《Python-數(shù)據(jù)挖掘?qū)嵺`》教學(xué)課件-第6章-決策樹預(yù)測NBA獲勝球隊

第6章決策樹預(yù)測NBA獲勝球隊2025/1/4

NBA比賽結(jié)果預(yù)測31加載數(shù)據(jù)集4決策樹應(yīng)用2隨機(jī)森林目錄NBA比賽通常是難分勝負(fù)，有些時候會在最后一刻才會決出勝負(fù)，因此，預(yù)測哪支球隊最后獲勝會非常困難。通常你看好的球隊恰恰在這場比賽中就會輸給比它弱的球隊。許多預(yù)測比賽勝負(fù)的研究往往會有準(zhǔn)確率上限，根據(jù)不同的比賽，準(zhǔn)確率一般會在70%~80%之間，體育賽事的預(yù)測一般使用數(shù)據(jù)挖掘和統(tǒng)計學(xué)習(xí)方法。在此，我們將用到?jīng)Q策樹和隨機(jī)森林來預(yù)測誰是某場NBA比賽的獲勝隊，決策樹有兩個主要的優(yōu)勢：（1）決策過程易于機(jī)器和人類理解（2）能處理不同類型的特征案例背景我們將使用NBA2015-2016賽季的比賽數(shù)據(jù)。http://Basketball-R網(wǎng)站提供了NBA及其他賽事的大量資料和統(tǒng)計數(shù)據(jù)?？梢酝ㄟ^第三章介紹的網(wǎng)絡(luò)爬蟲知識從指定網(wǎng)站中爬取比賽數(shù)據(jù)。通過爬蟲采集數(shù)據(jù)的過程可以分為兩個過程。（1）第一個過程是根據(jù)NBA比賽情況及網(wǎng)站URL變化情況獲取帶有比賽數(shù)據(jù)的頁面，并在此基礎(chǔ)上爬取整個賽季中每個月份的比賽數(shù)據(jù)，最后將其匯總輸出。加載數(shù)據(jù)集-網(wǎng)絡(luò)爬蟲采集數(shù)據(jù)我們將使用NBA2015-2016賽季的比賽數(shù)據(jù)。http://Basketball-R網(wǎng)站提供了NBA及其他賽事的大量資料和統(tǒng)計數(shù)據(jù)?？梢酝ㄟ^第三章介紹的網(wǎng)絡(luò)爬蟲知識從指定網(wǎng)站中爬取比賽數(shù)據(jù)。通過爬蟲采集數(shù)據(jù)的過程可以分為兩個過程。（1）第一個過程是根據(jù)NBA比賽情況及網(wǎng)站URL變化情況獲取帶有比賽數(shù)據(jù)的頁面，并在此基礎(chǔ)上爬取整個賽季中每個月份的比賽數(shù)據(jù)，最后將其匯總輸出。（具體數(shù)據(jù)見basketball.csv,具體代碼見C6_Spideri.py）加載數(shù)據(jù)集（2）爬取到的數(shù)據(jù)保存為CSV格式，CSV為簡單的文本格式文件，每行為一條用逗號分隔的數(shù)據(jù)（文件格式的名字就是這么來的）。在記事本里輸入內(nèi)容，保存時使用.csv擴(kuò)展名，也能生成CSV文件。只要能閱讀文本文件的編輯器，就能打開CSV文件，也可以用Excel把它作為電子表格打開。（3）第二個過程是獲取standing，這是為了在預(yù)測比賽結(jié)果的過程中加入歷史比賽數(shù)據(jù)，以求后續(xù)獲得更好的預(yù)測效果。（4）由于網(wǎng)站自身的原因，爬取數(shù)據(jù)過程相對緩慢，在具體爬蟲的過程可以自行選擇感興趣的網(wǎng)站修改爬蟲代碼完成爬蟲任務(wù)。爬取到的數(shù)據(jù)保存為CSV格式，包含了2015-2016賽季NBA常規(guī)賽季的1320場比賽。加載數(shù)據(jù)集從上面的輸出結(jié)果中，我們發(fā)現(xiàn)了以下幾個問題。日期是字符串格式，而不是日期對象。第一行沒有數(shù)據(jù)。從視覺上檢查結(jié)果，發(fā)現(xiàn)表頭不完整或者不正確。這些問題來自數(shù)據(jù)本身，在具體操作的過程中有些同學(xué)會直接修改數(shù)據(jù)表，不過這樣工作量非常大，并且不可復(fù)原，落下步驟或是弄錯哪一步，就會造成沒法還原之前的結(jié)果，因此采用pandas對原始數(shù)據(jù)進(jìn)行預(yù)處理。pandas.read_csv函數(shù)提供了可用來修復(fù)數(shù)據(jù)的參數(shù)，導(dǎo)入文件時指定這幾個參數(shù)就好。數(shù)據(jù)清洗我們還可以創(chuàng)建一些特征用于數(shù)據(jù)挖掘。有時候，只要把原始數(shù)據(jù)丟給分類器就行了，但通常需要先抽取數(shù)值型或類別型特征。創(chuàng)建兩個能幫助我們進(jìn)行預(yù)測的特征，分別是這兩支隊伍上場比賽的勝負(fù)情況。贏得上場比賽，大致可以說明該球隊水平較高。遍歷訪問每一行數(shù)據(jù)，記錄獲勝球隊。當(dāng)?shù)竭_(dá)一行新數(shù)據(jù)時，分別查看該行數(shù)據(jù)中的兩支球隊在各自的上一場比賽中有沒有獲勝的。找出主場獲勝的球隊：data['HomeWin']=data['VisitorPts']<data['HomePts']我們把主場獲勝球隊的數(shù)據(jù)保存到NumPy數(shù)組里，稍后要用scikit-learn分類器對其進(jìn)行處理。當(dāng)前pandas和scikit-learn并沒有進(jìn)行整合，但是借助NumPy數(shù)組，它們配合地很好。我們用pandas抽取特征后再用scikit-learn抽取特征具體的值。提取新特征

NBA比賽結(jié)果預(yù)測31加載數(shù)據(jù)集4決策樹應(yīng)用2隨機(jī)森林目錄決策樹應(yīng)用小案例首先是訓(xùn)練階段，用訓(xùn)練數(shù)據(jù)構(gòu)造一棵樹。在前面介紹分類與預(yù)測算法的過程中已有詳細(xì)介紹，相反，決策樹跟大多數(shù)機(jī)器學(xué)習(xí)方法類是一種積極學(xué)習(xí)的算法，在訓(xùn)練階段完成模型的創(chuàng)建。其次是預(yù)測階段，用訓(xùn)練好的決策樹預(yù)測新數(shù)據(jù)的類別。圖例["israining","veryhot"]的預(yù)測結(jié)果為“Bad”（壞天氣）。決策樹應(yīng)用介紹創(chuàng)建決策樹的算法有多種，大都通過迭代生成一棵樹。它們從根節(jié)點開始，選取最佳特征，用于第一個決策，到達(dá)下一個節(jié)點，選擇下一個最佳特征，以此類推。當(dāng)發(fā)現(xiàn)無法從增加樹的層級中獲得更多信息時，算法啟動退出機(jī)制。scikit-learn庫實現(xiàn)了分類回歸樹（ClassificationandRegressionTrees，CART）算法并將其作為生成決策樹的默認(rèn)算法，它支持連續(xù)型特征和類別型特征。決策樹中創(chuàng)建決策的標(biāo)準(zhǔn)及參數(shù)退出準(zhǔn)則是決策樹的一個重要特性。構(gòu)建決策樹時，最后幾步?jīng)Q策僅依賴于少數(shù)個體，隨意性大。使用特定節(jié)點作出推測容易導(dǎo)致過擬合訓(xùn)練數(shù)據(jù)，而使用退出準(zhǔn)則可以防止決策精度過高。除了設(shè)定退出準(zhǔn)則外，也可以先創(chuàng)建一棵完整的樹，再對其進(jìn)行修剪，去掉對整個過程沒有提供太多信息的節(jié)點。這個過程叫作剪枝（pruning）。scikit-learn庫中實現(xiàn)的決策樹算法給出了退出方法，使用下面這兩個選項就可以達(dá)到目的。min_samples_split：指定創(chuàng)建一個新節(jié)點至少需要的個體數(shù)量。min_samples_leaf：指定為了保留節(jié)點，每個節(jié)點至少應(yīng)該包含的個體數(shù)量。第一個參數(shù)控制著決策節(jié)點的創(chuàng)建，第二個參數(shù)決定著決策節(jié)點能否被保留。決策樹中的參數(shù)決策樹的另一個參數(shù)是創(chuàng)建決策的標(biāo)準(zhǔn)，常用的有以下兩個?；岵患兌龋℅iniimpurity）：用于衡量決策節(jié)點錯誤預(yù)測新個體類別的比例。信息增益（Informationgain）：用信息論中的熵來表示決策節(jié)點提供多少新信息。使用決策樹決策樹1從scikit-learn庫中導(dǎo)入DecisionTreeClassifier類，用它創(chuàng)建決策樹。fromsklearn.treeimportDecisionTreeClassifierclf=DecisionTreeClassifier(random_state=14)說明：我們再次設(shè)定random_state的值為14。本書中凡是用到random_state的地方，我們都用該值。使用相同的隨機(jī)種子（randomseed），能夠保證幾次實驗結(jié)果相同。然而，在以后自己的實驗中，為保證算法的性能不是與特定的隨機(jī)狀態(tài)值相關(guān)，在前后幾次實驗中，需使用不同的隨機(jī)狀態(tài)。使用決策樹決策樹2現(xiàn)在我們從pandas數(shù)據(jù)框中抽取數(shù)據(jù)，以便用scikit-learn分類器處理。指定需要的列，使用數(shù)據(jù)框的values屬性，就能獲取到每支球隊的上一場比賽結(jié)果。X_previousWins=data[['HomeLastWin','VisitorLastWin']].values對于決策樹算法來說，它與其它分類算法一樣都可以看出是一種估計器，因此它同樣有fit和predict方法。我們?nèi)匀豢梢杂胏ross_val_score方法來求得交叉檢驗的平均正確率：scores=cross_val_score(clf,X_previousWins,y_true,scoring='accuracy')mean_score=np.mean(scores)*100print('theaccuracyis%0.2f'%mean_score+'%')正確率為59.42%，我們應(yīng)該可以做得更好。從數(shù)據(jù)集中構(gòu)建有效特征（FeatureEngineering，特征工程）是數(shù)據(jù)挖掘的難點所在，好的特征直接關(guān)系到結(jié)果的正確率——甚至比選擇合適的算法更重要！

NBA比賽結(jié)果預(yù)測31加載數(shù)據(jù)集4決策樹應(yīng)用2隨機(jī)森林目錄NBA比賽預(yù)測結(jié)果嘗試使用不同的特征，我們應(yīng)該能做得更好。cross_val_score方法可用來測試模型的正確率。有了它，我們就可以嘗試其他特征的分類效果。好多潛在特征都可以拿來用。就我們這個挖掘任務(wù)而言，具體怎么選擇特征呢？我們嘗試問自己以下兩個問題。一般而言，什么樣的球隊水平更高？兩支球隊上一次相遇時，誰是贏家？我們還將加入新球隊的數(shù)據(jù)，以檢測算法是否能得到一個用來判斷不同球隊比賽情況的模型。NBA預(yù)測結(jié)果對于上面第一個特征，我們創(chuàng)建一個叫作“主場隊是否通常比對手水平高”的特征，并使用2015賽季的戰(zhàn)績作為特征取值來源。如果一支球隊在2015賽季排名在對手前面，我們就認(rèn)為它的水平更高，本章在數(shù)據(jù)爬取的過程中已經(jīng)獲取2015賽季戰(zhàn)績數(shù)據(jù)，此處直接使用即可。standings_filename=r'standings.csv'standings=pd.read_csv(standings_filename)print(data.loc[:4])NBA比賽預(yù)測結(jié)果接接下來，創(chuàng)建一個新特征，創(chuàng)建過程與上個特征類似。遍歷每一行，查找主場隊和客場隊兩支球隊的戰(zhàn)績。代碼如下：data['HomeTeamRanksHigher']=0forindex,rowindata.iterrows():home_team=row['HomeTeam']visitor_team=row['VisitorTeam']現(xiàn)在就能得到兩支球隊的排名，比較它們的排名，更新特征值。#比較排名，更新特征值home_rank=standings[standings['Team']==home_team]['Rk'].values[0]visitor_rank=standings[standings['Team']==visitor_team]['Rk'].values[0]row['HomeTeamRanksHigher']=int(home_rank>visitor_rank)data.loc[index]=rowNBA比賽預(yù)測結(jié)果接下來，我們來統(tǒng)計兩支球隊上場比賽的情況，作為另一個特征。雖然球隊排名有助于預(yù)測（排名靠前的勝算更大），但有時排名靠后的球隊反而能戰(zhàn)勝排名靠前的。原因有很多，例如，排名靠后的球隊某些打法恰好能擊中強(qiáng)者的軟肋。該特征的創(chuàng)建方法與前一個特征類似，首先創(chuàng)建字典，保存上場比賽的獲勝隊伍，在數(shù)據(jù)框中建立新特征。代碼如下：last_match_winner=defaultdict(int)data['HomeTeamWonLast']=0然后，遍歷每條數(shù)據(jù)，取到每場賽事的兩支參賽隊伍。forindex,rowindata.iterrows():home_team=row['HomeTeam']visitor_team=row['VisitorTeam']NBA比賽預(yù)測結(jié)果不用考慮哪支球隊是主場作戰(zhàn)，我們想看一下這兩支球隊在上一場比賽中到底誰是贏家。因此，按照英文字母表順序?qū)η蜿犆诌M(jìn)行排序，確保兩支球隊無論主客場作戰(zhàn)，都使用相同的鍵。teams=tuple(sorted([home_team,visitor_team]))通過查找字典，找到兩支球隊上次比賽的贏家。然后，更新數(shù)據(jù)框中這條數(shù)據(jù)。row['HomeTeamWonLast']=1iflast_match_winner[teams]==row['HomeTeam']else0data.loc[index]=row最后，更新last_match_winner字典，值為兩支球隊在當(dāng)前場次比賽中的勝出者，兩支球隊再相逢時可將其作為參考。winner=row['HomeTeam']ifrow['HomeWin']elserow['VisitorTeam']last_match_winner[teams]=winnerNBA比賽預(yù)測結(jié)果下面，用新抽取的兩個特征創(chuàng)建數(shù)據(jù)集。觀察不同特征組合的分類效果。代碼如下：X_lastwinner=data[['HomeTeamWonLast','HomeTeamRanksHigher']]clf2=DecisionTreeClassifier(random_state=14)scores=cross_val_score(clf2,X_lastwinner,y_true,scoring='accuracy')mean_score2=np.mean(scores)*100print('theaccuracyis%.2f'%mean_score2+'%')正確率為63.30%。最后我們來看一下，決策樹在訓(xùn)練數(shù)據(jù)量很大的情況下，能否得到有效的分類模型。我們將會為決策樹添加球隊，以檢測它是否能整合新增的信息。NBA比賽預(yù)測結(jié)果雖然決策樹能夠處理特征值為類別型的數(shù)據(jù)，但scikit-learn庫所實現(xiàn)的決策樹算法要求先對這類特征進(jìn)行處理。用LabelEncoder轉(zhuǎn)換器就能把字符串類型的球隊名轉(zhuǎn)化為整型。代碼如下：fromsklearn.preprocessingimportLabelEncoderencoding=LabelEncoder()將主場球隊名稱轉(zhuǎn)化為整型：encoding.fit(data['HomeTeam'].values)#將主隊名稱轉(zhuǎn)換成整型接下來，抽取所有比賽的主客場球隊的球隊名（已轉(zhuǎn)化為數(shù)值型）并將其組合（在NumPy中叫作“stacking”，是向量組合的意思）起來，形成一個矩陣。代碼如下：home_teams=encoding.transform(data['HomeTeam'].values)visitor_teams=encoding.transform(data['VisitorTeam'].values)X_teams=np.vstack([home_teams,visitor_teams]).TNBA比賽預(yù)測結(jié)果決策樹可以用這些特征值進(jìn)行訓(xùn)練，但DecisionTreeClassifier仍把它們當(dāng)作連續(xù)型特征。例如，編號從0到16的17支球隊，算法會認(rèn)為球隊1和2相似，而球隊4和10不同。但其實這沒意義，對于兩支球隊而言，它們要么是同一支球隊，要么不同，沒有中間狀態(tài)！為了消除這種和實際情況不一致的現(xiàn)象，我們可以使用OneHotEncoder轉(zhuǎn)換器把這些整數(shù)轉(zhuǎn)換為二進(jìn)制數(shù)字。每個特征用一個二進(jìn)制數(shù)字1來表示。例如，LabelEncoder為芝加哥公牛隊分配的數(shù)值是7，那么OneHotEncoder為它分配的二進(jìn)制數(shù)字的第七位就是1，其余隊伍的第七位就是0。NBA比賽預(yù)測結(jié)果每個可能的特征值都這樣處理，而數(shù)據(jù)集會變得很大。代碼如下：fromsklearn.preprocessingimportOneHotEncoderonehot=OneHotEncoder()在相同的數(shù)據(jù)集上進(jìn)行預(yù)處理和訓(xùn)練操作，將結(jié)果保存起來備用。X_teams_expanded=onehot.fit_transform(X_teams).todense()接著，像之前那樣在新數(shù)據(jù)集上調(diào)用決策樹分類器。clf3=DecisionTreeClassifier(random_state=14)onehot=OneHotEncoder()scores=cross_val_score(clf3,X_teams_expanded,y_true,scoring='accuracy')mean_score3=np.mean(scores)*100print('theaccuracyis%.2f'%mean_score3+'%')正確率為62.77%，比基準(zhǔn)值要高，但是沒有之前的效果好。原因可能在于特征數(shù)增加后，決策樹處理不當(dāng)。鑒于此，我們嘗試修改算法，看看會不會起作用。數(shù)據(jù)挖掘有時就是不斷嘗試新算法、使用新特征這樣一個過程。

NBA比賽結(jié)果預(yù)測31加載數(shù)據(jù)集4決策樹應(yīng)用2隨機(jī)森林目錄隨機(jī)森林介紹棵決策樹可以學(xué)到很復(fù)雜的規(guī)則。然而，很可能會導(dǎo)致過擬合問題——學(xué)到的規(guī)則只適用于訓(xùn)練集。解決方法之一就是調(diào)整決策樹算法，限制它所學(xué)到的規(guī)則的數(shù)量。例如，把決策樹的深度限制在三層，只讓它學(xué)習(xí)從全局角度拆分?jǐn)?shù)據(jù)集的最佳規(guī)則，不讓它學(xué)習(xí)適用面很窄的特定規(guī)則，這些規(guī)則會將數(shù)據(jù)集進(jìn)一步拆分為更加細(xì)致的群組。使用這種折中方案得到的決策樹泛化能力強(qiáng)，但整體表現(xiàn)稍弱。為了彌補上述方法的不足，我們可以創(chuàng)建多棵決策樹，用它們分別進(jìn)行預(yù)測，再根據(jù)少數(shù)服從多數(shù)的原則從多個預(yù)測結(jié)果中選擇最終預(yù)測結(jié)果。這正是隨機(jī)森林的工作原理。但上述過程有兩個問題。一是創(chuàng)建的多棵決策樹在很大程度上是相同的——每次使用相同的輸入，將得到相同的輸出。我們只有一個訓(xùn)練集，如果嘗試創(chuàng)建多棵決策樹，它們的輸入就可能相同（因此輸出也相同）。解決方法是每次隨機(jī)從數(shù)據(jù)集中選取一部分?jǐn)?shù)據(jù)用作訓(xùn)練集。這個過程叫作裝袋（bagging）。隨機(jī)森林介紹第二個問題是用于前幾個決策節(jié)點的特征非常突出。即使我們隨機(jī)選取部分?jǐn)?shù)據(jù)用作訓(xùn)練集，創(chuàng)建的決策樹相似性仍舊很大。解決方法是，隨機(jī)選取部分特征作為決策依據(jù)。然后，使用隨機(jī)從數(shù)據(jù)集中選取的數(shù)據(jù)和（幾乎是）隨機(jī)選取的特征，創(chuàng)建多棵決策樹。這就是隨機(jī)森林，雖然看上去不是那么直觀，但這種算法在很多數(shù)據(jù)集上效果很好。決策樹的集成效果如何隨機(jī)森林算法內(nèi)在的隨機(jī)性讓人感覺算法的好壞全靠運氣。然而，通過對多棵幾乎是隨機(jī)創(chuàng)建的決策樹的預(yù)測結(jié)果取均值，就能降低預(yù)測結(jié)果的不一致性。我們用方差來表示這種不一致。方差是由訓(xùn)練集的變化引起的。決策樹這類方差大的算法極易受到訓(xùn)練集變化的影響，從而產(chǎn)生過擬合問題。說明：對比來說，偏誤（bias）是由算法中的假設(shè)引起的，而與數(shù)據(jù)集沒有關(guān)系。比如，算法錯誤地假定所有特征呈正態(tài)分布，就會導(dǎo)致較高的誤差。通過分析分類器的數(shù)據(jù)模型和實際數(shù)據(jù)集的匹配情況，就能降低偏誤問題的負(fù)面影響。對隨機(jī)森林中大量決策樹的預(yù)測結(jié)果取均值，能有效降低方差，這樣得到的預(yù)測模型的總體正確率更高。一般而言，決策樹集成做出了如下假設(shè)：預(yù)測過程的誤差具有隨機(jī)性，且因分類器而異。因此，使用由多個模型得到的預(yù)測結(jié)果的均值，能夠消除隨機(jī)誤差的影響——只保留正確的預(yù)測結(jié)果。本書中會介紹更多用集成方法消除誤差的例子。隨機(jī)森林算法的參數(shù)scikit-learn庫中的RandomForestClassifier就是對隨機(jī)森林算法的實現(xiàn)，它提供了一系列參數(shù)。因為它使用了DecisionTreeClassifier的大量實例，所以它倆的很多參數(shù)是一致的，比如決策標(biāo)準(zhǔn)（基尼不純度/信息增益）、max_features和min_samples_split。當(dāng)然，集成過程還引入了一些新參數(shù)。n_estimators：用來指定創(chuàng)建決策樹的數(shù)量。該值越高，所花時間越長，正確率（可能）也越高。oob_score：如果設(shè)置為真，測試時將不使用訓(xùn)練模型時用過的數(shù)據(jù)。n_jobs：采用并行計算方法訓(xùn)練決策樹時所用到的內(nèi)核數(shù)量。scikit-learn庫提供了用于并行計算的Joblib庫。n_jobs指定所用的內(nèi)核數(shù)。默認(rèn)使用1個內(nèi)核——如果CPU是多核的，可以多用幾個，或者將其設(shè)置為1，開動全部馬力。隨機(jī)森林算法應(yīng)用-僅替換分類器scikit-learn庫實現(xiàn)的隨機(jī)森林算法使用估計器接口，用交叉檢驗方法調(diào)用它即可，代碼跟之前大同小異。fromsklearn.ensembleimportRandomForestClassifierrf=RandomForestClassifier(random_state=14,n_jobs=-1)rf_scores=cross_val_score(rf,X_teams,y_true,scoring='accuracy')mean_rf_score=np.mean(rf_scores)*100print('therandforestclassifieraccuracyis%.2f'%mean_rf_score+'%')只是靠更換分類器，正確率達(dá)到了61.47%。隨機(jī)森林算法應(yīng)用--多參數(shù)應(yīng)用隨機(jī)森林使用不同的特征子集進(jìn)行學(xué)習(xí)，應(yīng)該比普通的決策樹更為高效。下面來看一下多用幾個特征效果如何。X_all=np.hstack([X_homehigher,X_teams])rf_clf2=RandomForestClassifier(random_state=14,n_jobs=-1)rf_scores2=cross_val_score(rf_clf2,X_all,y_true,scoring='accuracy')mean_rf_score2=np.mean(rf_scores2)*100print('theaccuracyis%.2f'%mean_rf_score2+'%')正確率為59.35%——正確率反而降低了。說明在選擇的參數(shù)可能不是最優(yōu)組合隨機(jī)森林應(yīng)用--最佳參數(shù)搜索使用GridSearchCV類搜索最佳參數(shù)，代碼如下：fromsklearn.model_selectionimportGridSearchCVparam_grid={'max_features':[2,3,'auto'],'n_estimators':[100,110,120],'criterion':['gini','entropy'],"min_samples_leaf":[2,4,6]}clf=RandomForestClassifier(random_state=14,n_jobs=-1)grid=GridSearchCV(clf,param_grid)grid.fit(X_all,y_true)score=grid.best_score_*100print('theaccuracyis%.2f'%score+'%')這次正確率提升較大，達(dá)到了63.53%！隨機(jī)森林應(yīng)用--最佳參數(shù)搜索使用GridSearchCV類搜索最佳參數(shù)，代碼如下：fromsklearn.model_selectionimportGridSearchCVparam_grid={'max_features':[2,3,'auto'],'n_estimators':[100,110,120],'criterion':['gini','entropy'],"min_samples_leaf":[2,4,6]}clf=RandomForestClassifier(random_state=14,n_jobs=-1)grid=GridSearchCV(clf,param_grid)grid.fit(X_all,y_true)score=grid.best_score_*100print('theaccuracyis%.2f'%score+'%')這次正確率提升較大，達(dá)到了63.53%！隨機(jī)森林應(yīng)用--輸出最佳模型輸出用網(wǎng)格搜索找到的最佳模型，查