Как настроить параметры в случайном лесу, используя Scikit Learn? ⇐ Python

[Anonymous]

Код: Выделить всё

class sklearn.ensemble.RandomForestClassifier(n_estimators=10,
criterion='gini',
max_depth=None,
min_samples_split=2,
min_samples_leaf=1,
min_weight_fraction_leaf=0.0,
max_features='auto',
max_leaf_nodes=None,
bootstrap=True,
oob_score=False,
n_jobs=1,
random_state=None,
verbose=0,
warm_start=False,
class_weight=None)
< /code>

Я использую случайную модель леса с 9 образцами и около 7000 атрибутов.  Из этих образцов есть 3 категории, которые распознает мой классификатор. < /p>

Я знаю, что это далеко от идеальных условий, но я пытаюсь выяснить, какие атрибуты являются наиболее важными в прогнозах функций.  Какие параметры будут лучшими для оптимизации важности функции? 

Я попробовал различные n_estimators 

и заметил, что объем «значимых функций» (то есть ненулевые значения в feature_importances _ массив) резко увеличивалось. < /p>

Я прочитал документацию, но если у кого -то есть какой -либо опыт в этом, я хотел бы знать, какие параметры являются лучшими для настройки, и краткое объяснение почему.

Подробнее здесь: https://stackoverflow.com/questions/361 ... ikit-learn