随机森林+不平衡处理+遗传算法优化

上传者: 46507641 | 上传时间: 2022-11-19 14:25:14 | 文件大小: 2.23MB | 文件类型: ZIP
内容摘要: 在该资源文件夹当中包括了数据预处理和特征工程后的数据(数据来源于第五届泰迪杯技能赛,数据经过作者预处理和特征工程),以及一步导出随机森林训练结果的模型评估函数,模型的特征重要性图像、模型评估的混淆矩阵。同时资源中还有数据不平衡得处理操作,实现方式为下采样。在资源当中还实现了,利用遗传算法(GA)对随机森林进行n_estimators、max_depth、min_samples_split、min_samples_leaf、max_features的参数优化。 资源结构: -BinaryClassification(GA) --data:数据 --image:导出图片 --model:模型参数 --Binary_RF(GA).py:遗传算法优化 --BinaryRF.py:常规随机森林分类 适合人群: 该资源适合用来竞赛和写论文,可以快速导出结果,大大节省时间。 使用建议: 二分类数据预处理和特征工程处理好后,导入数据分配好特征和标签,然后运行就可以导出模型的训练权重和模型的特征重要性图像、模型评估的混淆矩阵图像。遗传算法调参属于进阶内容,不懂得可以私信作者。

文件下载

资源详情

[{"title":"( 8 个子文件 2.23MB ) 随机森林+不平衡处理+遗传算法优化","children":[{"title":"BinaryClassification(GA)","children":[{"title":"BinaryRF.py <span style='color:#111;'> 7.07KB </span>","children":null,"spread":false},{"title":"Binary_RF(GA).py <span style='color:#111;'> 3.53KB </span>","children":null,"spread":false},{"title":"image","children":[{"title":"BinaryRF_feature_importances.html <span style='color:#111;'> 5.09KB </span>","children":null,"spread":false},{"title":"ROC.png <span style='color:#111;'> 28.79KB </span>","children":null,"spread":false},{"title":"BinaryRF_Test_HeatMap.html <span style='color:#111;'> 4.88KB </span>","children":null,"spread":false}],"spread":true},{"title":"data","children":[{"title":"test.xlsx <span style='color:#111;'> 114.67KB </span>","children":null,"spread":false},{"title":"train.xlsx <span style='color:#111;'> 1.00MB </span>","children":null,"spread":false}],"spread":true},{"title":"model","children":[{"title":"BinaryRF.pkl <span style='color:#111;'> 6.59MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明