我正在使用隨機森林進行二元分類。
當我使用所有特征（10 個特征）進行訓練時，它給了我 85% 的準確率。
訓練后，我將重要特征可視化。它表明 2 個功能非常重要。
所以我只選擇了兩個重要特征并訓練了 RF（使用相同的設定），但準確度下降了（0.70 %）。
它會發生嗎？我期待更高的準確性。
在這種情況下，我該怎么做才能獲得更好的準確性？
謝謝
uj5u.com熱心網友回復：
使用隨機森林時的一般經驗法則是包含所有可觀察的資料。這樣做的原因是，我們不知道哪些特征可能會影響回應和模型。僅僅因為您發現只有少數特征是強大的影響者，并不意味著其余特征在模型中沒有發揮作用。
因此，在訓練隨機森林模型時，您應該堅持只包含所有特征。如果某些特征不能提高準確性，它們將在訓練期間被洗掉/忽略。您通常不需要在訓練時通過洗掉任何特征來手動修復。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/416628.html
標籤：
上一篇：NameError：未定義名稱“GridSearchCV”。我已經完成了匯入：fromsklearn.model_selectionimportGridSearchCV
下一篇：如何用Keras制作混淆矩陣？