在 RandomForestClassifier 上执行 GridSearchCV 会产生较低的准确性

Question

我正在尝试提高使用 GridSearchCV 对负面和正面评论进行分类的 RandomForestClassifier 的性能，但准确率似乎总是比基本算法低 10% 左右。为什么是这样？请在下面找到我的代码：

准确率为 90% 的基本算法：

algo_base = RandomForestClassifier()
algo_base.fit(X_train, y_train)

具有 80% 准确率的 GridSearchCV 算法：

param_grid = {
    'criterion':['gini', 'entropy'],
    'max_depth':[5, 10, 15],
    'n_estimators':[150, 200, 250, 300]
}

rfc = RandomForestClassifier(random_state=42)

CV_rfc = GridSearchCV(estimator = rfc, param_grid = param_grid, cv = 10, n_jobs=-1, verbose=4)

CV_rfc.fit(X_train, y_train)

Answer 1

基线模型的默认值与网格搜索中给出的不同。例如 n_estimators 的默认值为 100。看看here

在 RandomForestClassifier 上执行 GridSearchCV 会产生较低的准确性

Performing GridSearchCV on RandomForestClassifier yields lower accuracy

python

scikit-learn

random-forest