如何使用SciKit随机森林的oob_decision_function_学习曲线？

Question

有人可以解释如何使用python SciKit随机森林分类器的oob_decision_function_属性吗？我想用它来绘制学习曲线，将训练和验证误差与不同的训练集大小进行比较，以便识别过度拟合和其他问题。似乎无法找到有关如何执行此操作的任何信息。

Answer 1

您可以将自定义评分函数传递到模型评估字段中的任何scoring参数中，它需要具有签名classifier, X, y_true -> score。

对于您的情况，您可以使用类似

的内容

from sklearn.learning_curve import learning_curve
learning_curve(r, X, y, cv=3, scoring=lambda c,x,y: c.oob_score_)

这将针对不同的训练集大小计算3倍交叉验证的oob分数。顺便说一下，我认为你不应该过度使用随机森林，这是他们的好处之一。