[問題] 隨機森林模型問題請益

[thomasflee (Thomas)]

各位大大好

小弟是自學的新手，今天研究python sklearn的隨機森林時，使用jupyter 練習iris的資
料範例，但產生以下的疑問，想請教板上大大的指點：

1. 隨機森林模型accuracy的選擇：

隨機森林因為抽樣的關係，每次跑出的accuracy數值都會不相同(ex., 0.91,  0.95, 0.9
8)，一般都是選擇數值最高時產生的模型嗎?


2. 承第1點，訓練好的模型如何存取?

當我有新的資料進來時，我必須每次jupyter重跑一次所有程序(建立模型clf)，最後將新
樣本帶入clf跑出預測嗎?

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.238.59.57 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1593323210.A.3A1.html
推 sxy67230: 1.  你可以選擇最好的模型或是把所有隨機抽樣訓練的模
→ sxy67230: 型做ensemble
→ sxy67230: 2.用joblib或是pickle freeze整個模塊參數做保存，一般
→ sxy67230: 而已joblib的performance比較好
→ thomasflee: 感謝大大的指點
→ Pieteacher: control random state
→ salmon12706: 工研院人工智慧課程推薦https://reurl.cc/4RDRaK
→ seasa2016: 請教s大，joblib或是pickle 應該都只是存參數的方法吧
→ seasa2016: 。如果參數一樣的話為什麼他的結果會有差啊
推 sxy67230: joblib有針對numpy array做數據緩存跟壓縮的優化，儲存
→ sxy67230: 方式不太一樣，pickle是把整個類對象序列化後保存，在
→ sxy67230: 讀取跟儲存上loading會比較久，而且如果緩存序列太大會
→ sxy67230: 有memory error的問題，相反joblib則有對此優化。如果你
→ sxy67230: 是要用joblib存，pickle讀基本上數據儲存方法不同是沒
→ sxy67230: 辦法這樣做的，不曉得有沒有get到你的問題
→ seasa2016: 瞭解，感謝您的回答
→ loser113: 1.test分數高 2.roc去選 3.看你分類需求
推 aidansky0989: 檢查一下你的rf，應該是過擬合
→ aidansky0989: 通常是randomsearchcv找出best_est（最佳模型）.pre
→ aidansky0989: dict一下代入特徵
推 aidansky0989: 精度召回率都是用模型預測的y_pred比對label來判斷
→ aidansky0989: 你的模型表現好不好，rf非常容易過擬合，需要做好預
→ aidansky0989: 剪枝，這點sklearn可以設置