全部产品

随机森林

本文为您介绍算法组件的随机森林算法组件。

随机森林(RandomForestClassifier)是利用多颗树模型进行分类的算法模型。

计算逻辑原理

使用RandomForestClassifier算法进行建模。

使用流程说明

完成输入输出变量配置和参数配置。

参数说明

IN端口

参数名

描述

特征变量

配置模型特征列

目标变量

配置模型目标列

算法参数

参数名

描述

默认值

范围

树数量

要执行的提升阶段数。阶段数提升对于过度拟合有很强的鲁棒性,提升阶段数能带来更好的性能。

100

[1, 10000]

特征分裂指标

衡量分割质量的功能

基尼系数

  • 基尼系数

  • 信息熵

最大深度

各个回归估计量的最大深度。最大深度限制了树中节点的数量。

-1

[-1, 99999999]

最小分割样本下限

拆分内部节点所需的最少样本数

2

[0, 99999999]

节点最少样本数

在叶节点处需要的最小样本数,少于该数据则不分支。

1

[1, 99999999]

节点最小权重系数

在所有叶节点处(所有输入样本)的权重总和中的最小加权分数。

0.0

[0.0, 99999999.9]

其他参数

参数名

描述

模型结果

查看建模成功后的模型评价结果