Ｈ2O中的隨機森林演算法介紹及其專案實戰（python實現）

包的引入：from h2o.estimators.random_forest import H2ORandomForestEstimator

H2ORandomForestEstimator 的常用方法和引數介紹：

(一)建模方法：

model ＝H2ORandomForestEstimator(ntrees=ｎ,max_depth =ｍ)

model.train(x=random_pv.names,y='Catrgory',training_frame=trainData)

通過trainData來構建隨機森林模型，model.train中的trainData：訓練集，ｘ：預測變數名稱，ｙ：預測 響應變數的名稱

(二)預測方法：

pre_tag=H2ORandomForestEstimator.predict(model,test_data) 利用訓練好的模型來對測試集進行預測，其中的model：訓練好的模型， test_data：測試集。

(三)演算法引數說明：

(1)ntrees：構建模型時要生成的樹的棵樹。

(2)max_depth ：每棵樹的最大深度。

專案要求：

題目一： 利用train.csv中的資料，通過H2O框架中的隨機森林演算法構建分類模型，然後利用模型對 test.csv中的資料進行預測，並計算分類的準確度進而評價模型的分類效果；通過調節參 數，觀察分類準確度的變化情況。 注：準確度＝預測正確的數佔樣本數的比例

題目二： 通過H2o Flow 的隨機森林演算法，用同題目一中所用同樣的訓練資料和引數，構建模型； 參看模型中特徵的重要性程度，從中選取前８個特徵，再去訓練模型，並重新預測結果， 進而計算分類的準確度。

需求完成內容：２個題目的程式碼，認為最好的準確度的輸出值和test資料與預測結果合併 後的資料集，命名為predict.csv

python實現程式碼如下：

(1) 題目一：

#手動進行調節引數得到最好的準確率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division 
df=h2o.import_file('train.csv')
trainData=df[2:]
 
model=H2ORandomForestEstimator(ntrees=6,max_depth =16)
model.train(x=trainData.names,training_frame=trainData)
df2=h2o.import_file('test.csv')
test_data=df2[2:]
pre_tag=H2ORandomForestEstimator.predict(model,test_data)
predict=df2.concat(pre_tag)
dfnew=predict[predict['Catrgory']==predict['predict']]
Precision=dfnew.nrow/predict.nrow
 
print(Precision)
h2o.download_csv(predict,'predict.csv')

執行結果最好為87.0833%-6-16，如下

#for迴圈進行調節引數得到最好的準確率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division 
df=h2o.import_file('train.csv')
trainData=df[2:]
df2=h2o.import_file('test.csv')
test_data=df2[2:]
Precision=0
nt=0
md=0
for i in range(1,50):
    for j in range(1,50):
      model=H2ORandomForestEstimator(ntrees=i,max_depth =j)
      model.train(x=trainData.names,training_frame=trainData)
      pre_tag=H2ORandomForestEstimator.predict(model,test_data)
      predict=df2.concat(pre_tag)
      dfnew=predict[predict['Catrgory']==predict['predict']]
      p=dfnew.nrow/predict.nrow
      if Precision<p:
        Precision=p
        nt=i
        md=j
 
print(Precision)
print(i)
print(j)
h2o.download_csv(predict,'predict.csv')

執行結果最好為87.5%-49-49，如下

(2)題目二：建模如下,之後挑出排名前8的特徵進行再次建模

#手動調節引數得到最大準確率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division 
df=h2o.import_file('train.csv')
trainData=df[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
df2=h2o.import_file('test.csv')
test_data=df2[['Average_speed','Catrgory']]
 
model=H2ORandomForestEstimator(ntrees=5,max_depth =18)
model.train(x=trainData.names,training_frame=trainData)
 
pre_tag=H2ORandomForestEstimator.predict(model,'predict.csv')

執行結果最好為87.5%-5-18，如下

#for迴圈調節引數得到最大正確率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division 
df=h2o.import_file('train.csv')
trainData=df[['Average_speed','Catrgory']]
Precision=0
nt=0
md=0
for i in range(1,'predict.csv')

執行結果最好為87.5%-49-49，如下　

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。