随机森林实现及调参一、R语言方法一、手动调参方法二、网格调参二、python
注：本博客数据仍采用决策树调参的泰坦尼克号数据，前奏(数据预处理)请参考☞
决策树R&Python调参对比☜
一、R语言
方法一、手动调参
PS.仅使用常规包：randomForest和循环编写。
1-建模
set.seed(6)
rf <- randomForest(Survived~.,data=train,ntree=100)
y_pred <- predict(rf,test)
A <- as.matrix(table(y_pred,test$Survived))
acc <- sum(diag(A))/su
2021-10-30 10:21:43
92KB
1
上市公司新闻文本分析与分类预测
简介
上市公司新闻文本分析与分类预测的基本步骤如下：
从新浪财经、每经网、金融界、中国证券网、证券时报网上，爬取上市公司（个股）的历史新闻文本数据（包括时间、网址、标题、正文）
从Tushare上获取沪深股票日线数据（开、高、低、收、成交量和持仓量）和基本信息（包括股票代码、股票名称、所属行业、所属地区、PE值、总资产、流动资产、固定资产、留存资产等）
对抓取的新闻文本按照，去停用词、加载新词、分词的顺序进行处理
利用前两步中所获取的股票名称和分词后的结果，抽取出每条新闻里所包含的（0支、1支或多支）股票名称，并将所对应的所有股票代码，组合成与该条新闻相关的股票代码列表，并在历史数据表中增加一列相关股票代码数据
从历史新闻数据库中抽取与某支股票相关的所有新闻文本，利用该支股票的日线数据（比如某一天发布的消息，在设定N天后如果价格上涨则认为是利好消息，反之则是
2021-10-27 10:54:26
5.39MB
1
使用Python进行随机森林图像分类
使用Python的随机森林图像分类
请遵循以下文件夹结构。
图像分类（文件夹）
数据集（文件夹）
火车（文件夹）
图像Cat1文件夹
train_img.jpg
train_img.jpg
train_img.jpg
.......
图像Cat2文件夹
train_img.jpg
train_img.jpg
train_img.jpg
.......
测试（文件夹）
test_img.jpg
test_img.jpg
test_img.jpg
.......
导出目录）
数据.h5
标签.h5
random_fo_image.py
2021-10-25 23:40:38
452KB
1
实现了2017年Improved progressive TIN densification filtering algorithm for airborne LiDAR data in forested areas一文中较高精度的滤波算法
调通代码后仍有问题，欢迎私信。
2021-10-24 11:24:23
7KB
1
2020华为杯研究生数学建模大赛的B题，辛烷值建模，需要先对众多变量进行特征筛选，再进行变量和输出之间的对应关系。所以可以用随机森林来进行变量的特征筛选。这个是py文件。
2021-10-20 22:05:00
2KB
1