n_estimatorsによって実行されるランダムフォレスト回帰のパフォーマンスをチェックしようとしています。ランダムフォレストリグレッサー - Pythonは再現性がありません
seed = np.random.seed(1962)
rng = np.random.RandomState(1962)
np.random.seed(1962)
estimators = [pow(2,3),10,pow(2,4),pow(2,5),pow(2,6),pow(2,7),pow(2,8),500,pow(2,9),pow(2,10),pow(2,11)]
#oob_train = {}
train_acc = {}
test_acc = {}
for w in range(0,len(estimators),1):
modelrfe = RandomForestRegressor(n_estimators = estimators[w],random_state=rng, n_jobs = -1)
model_params = estimators[w]
modelrfe.fit(train_x1,train_y1)
train_acc[model_params] = mean_absolute_error(scale_data.inverse_transform(train_y1.reshape(-1,1)),scale_data.inverse_transform(modelrfe.predict(train_x1).reshape(-1,1)))
test_acc[model_params] = mean_absolute_error(scale_data.inverse_transform(test_y1.reshape(-1,1)),scale_data.inverse_transform(modelrfe.predict(test_x1).reshape(-1,1)))
train_acc = pd.DataFrame(train_acc.items())
train_acc.columns = ['keys','Trainerror']
test_acc = pd.DataFrame(test_acc.items())
test_acc.columns = ['keys','Testerror']
error_df3 = pd.merge(train_acc, test_acc, on='keys')
error_df3 = pd.DataFrame(error_df3)
私はまた、最初にrngを定義しました。
注:1つのForループを想像してみましょう:複数のモデルを通過する1つのnrow(データフレーム)& Forループの先頭にrng &シードを定義しました。
助けてください! 。
2出力が理想的だったはずです。
間違いを:私が使っていたここでの鍵は、答えを見つけるしてください[シミュレーション2]
画像を添付していません。また、[MCVE](https://stackoverflow.com/help/mcve) –
の長いコードを提供できる方が良いでしょう。そのため、関連性を追加していません。私はAlgoについて、その中にrandom_state変数を使用するように再現性を持たせることを尋ねています –