在 scikit learn 中组合随机森林模型

Question

我有两个 RandomForestClassifier 模型，我想将它们组合成一个元模型。他们都使用相似但不同的数据进行训练。我该怎么做？

rf1 #this is my first fitted RandomForestClassifier object, with 250 trees
rf2 #this is my second fitted RandomForestClassifier object, also with 250 trees

我想创建 big_rf 将所有树组合成一个 500 棵树模型

Answer 1

我相信这可以通过修改 RandomForestClassifier 对象的 estimators_ 和 n_estimators 属性来实现。森林中的每棵树都存储为一个 DecisionTreeClassifier 对象，这些树的列表存储在 estimators_ 属性中。为确保不存在不连续性，更改 n_estimators.

中的估算器数量也很有意义

这种方法的优点是可以在多台机器上并行构建一堆小森林，然后将它们组合起来。

下面是一个使用 iris 数据集的例子：

from sklearn.ensemble import RandomForestClassifier
from sklearn.cross_validation import train_test_split
from sklearn.datasets import load_iris

def generate_rf(X_train, y_train, X_test, y_test):
    rf = RandomForestClassifier(n_estimators=5, min_samples_leaf=3)
    rf.fit(X_train, y_train)
    print "rf score ", rf.score(X_test, y_test)
    return rf

def combine_rfs(rf_a, rf_b):
    rf_a.estimators_ += rf_b.estimators_
    rf_a.n_estimators = len(rf_a.estimators_)
    return rf_a

iris = load_iris()
X, y = iris.data[:, [0,1,2]], iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.33)
# in the line below, we create 10 random forest classifier models
rfs = [generate_rf(X_train, y_train, X_test, y_test) for i in xrange(10)]
# in this step below, we combine the list of random forest models into one giant model
rf_combined = reduce(combine_rfs, rfs)
# the combined model scores better than *most* of the component models
print "rf combined score", rf_combined.score(X_test, y_test)

Answer 2

除了@mgoldwasser 解决方案之外，另一种方法是在训练森林时使用 warm_start。在 Scikit-Learn 0.16-dev 中，您现在可以执行以下操作：

# First build 100 trees on X1, y1
clf = RandomForestClassifier(n_estimators=100, warm_start=True)
clf.fit(X1, y1)

# Build 100 additional trees on X2, y2
clf.set_params(n_estimators=200)
clf.fit(X2, y2)

在 scikit learn 中组合随机森林模型

Combining random forest models in scikit learn

python

classification

python-2.7

random-forest

scikit-learn