在训练具有重要特征的随机森林时准确率较低
Got lower accuracy while training Random Forest with important features
我正在使用随机森林进行二元分类。
当我使用所有特征（10 个特征）进行训练时，它给了我 85% 的准确率。
训练后，我可视化了重要特征。说明2个特征真的很重要。
所以我只选择了两个重要的特征并训练了 RF（使用相同的设置）但是准确率下降了（0.70 %）。
会发生吗？我期待更高的准确性。
在这种情况下，我该怎么做才能提高准确性？
谢谢
使用随机森林时的一般经验法则是包括所有 可观察数据。这样做的原因是先验的，我们不知道哪些特征可能会影响响应和模型。仅仅因为您发现只有少数特征具有很强的影响力，并不意味着其余特征在模型中不起作用。
因此，在训练随机森林模型时，您应该坚持只包含所有特征。如果某些特征没有提高准确性，它们将在训练期间 removed/ignored。您通常不需要在训练时通过删除任何功能进行手动补救。
我正在使用随机森林进行二元分类。
当我使用所有特征（10 个特征）进行训练时，它给了我 85% 的准确率。
训练后，我可视化了重要特征。说明2个特征真的很重要。
所以我只选择了两个重要的特征并训练了 RF（使用相同的设置）但是准确率下降了（0.70 %）。
会发生吗？我期待更高的准确性。
在这种情况下，我该怎么做才能提高准确性？
谢谢
使用随机森林时的一般经验法则是包括所有 可观察数据。这样做的原因是先验的，我们不知道哪些特征可能会影响响应和模型。仅仅因为您发现只有少数特征具有很强的影响力，并不意味着其余特征在模型中不起作用。
因此，在训练随机森林模型时，您应该坚持只包含所有特征。如果某些特征没有提高准确性，它们将在训练期间 removed/ignored。您通常不需要在训练时通过删除任何功能进行手动补救。