我不确定这个随机森林是否适合以下参数：
clf = RandomForestClassifier（n_estimators = 10，max_depth = 30，random_state = 22，verbose = 1，oob_score = True，max_features = None）
我有一个26.000个数据点的数据集，有关训练和测试的结果如下：
功能数：30 得分了 火车：0.992 测试：0.949 中华民国火车：0.966 精确度：0.992 召回率：0.934 oob_score：0.934 ROC测试：0.792 精度：0.783 回想一下：0.602
您可以看到训练集和测试集得分相似，但是ROC对于测试数据集显然是最差的。
我尝试了不同的参数（尽管我没有做适当的优化），并且只有在配置min_samples_split和min_samples_leaf时，结果才会有很大不同。如果我将min_samples_leaf = 5配置为ROC，则训练和测试的ROC都会急剧降低（结果如下），因此，如果不配置这些参数，恐怕树是使用具有1个数据点且过拟合的叶子创建的。
clf = RandomForestClassifier（n_estimators = 10，max_depth = 30，random_state = 22，verbose = 1，oob_score = True，max_features = None，min_samples_leaf = 5）
得分 火车：0.961 测试：0.940 中华民国火车：0.828 精度：0.930 召回率：0.663 oob_score：0.925 ROC测试：0.726 精度：0.781 回想一下：0.465
尽管这些结果还不错，但它们显然比未配置min_samples_leaf的结果差，所以我的问题是，是否有必要将此参数配置为> 1？还是有可能即使叶子只有1个数据点也不会过度拟合的模型？
非常感谢