拟合随机森林回归后的最优自变量值

时间:2018-06-10 04:22:05

标签: python machine-learning scikit-learn random-forest gradient-descent

我浏览了这个论坛和其他人,似乎无法找到我所拥有的某项任务的答案。

我试图找到假设的和理想的最佳自变量,在我的数据上成功拟合随机森林回归量后产生最佳预测分数。我知道如何使用网格搜索,梯度下降和其他方法调整超参数有很多内容。但是,理想的自变量值似乎并不多。

我知道我可以将历史数据用于" zone"在因变量中可能接近局部最大值(或基于我试图完成的最小值)的一系列自变量值。我想我可以使用围绕每个自变量的均匀分布值来实现最大值或最小值。

是否有更简单,更有效的方法来找到最佳的自变量值?我猜测找到全局最大值或最小值可能很困难,但我想找到一种方法来实现甚至局部最大值或最小值。

非常感谢你!

0 个答案:

没有答案