如何解决sub_balanced的随机森林返回一切
非常简单...我正在运行GridSearchCV,其代码如下:
params = {'n_estimators':[10,20,50,100,200],'max_features':['sqrt','log2',None],'class_weight':['balanced','sub_balanced'],'criterion':['gini','entropy'],'oob_score':[True,False]}
estimator = RandomForestClassifier()
grid_rf_balanced = GridSearchCV(estimator,param_grid=params,scoring=scoring,cv=cv,verbose=1,n_jobs=-1,refit='avg_micro_precision',return_train_score=True)
grid_rf_balanced.fit(X,y,groups= clusters)
results_balanced = pd.DataFrame(grid_rf_balanced.cv_results_)
在这里您可以了解nan值的含义:
我基本上得到“平衡”权重的结果,但绝对没有“ sub_balanced”(它们都是南)的结果
有什么想法吗?详细信息:我正在使用多类分类。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。