《scikit-learn》随機森林之回歸

今天我們學習下随機森林做回歸的用法

話不多說直接上測試代碼，看的更加清晰，總體上和回歸樹是一樣的使用流程

from sklearn.datasets import load_boston
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import RandomForestRegressor
import sklearn

# 加載連續型資料，boston房價
boston = load_boston()

# 定義随機森林回歸樹
reg = RandomForestRegressor(criterion='mse', n_estimators=100, random_state=0)
print(sorted(sklearn.metrics.SCORERS.keys()))  # 模型的所有的評估打分名額， neg_mean_squared_error 也在其中

# 使用交叉驗證接口進行測試
scores = cross_val_score(reg, boston.data, boston.target, cv=10, scoring="neg_mean_squared_error")  # scoring 預設 R平方
print(scores)

reg = reg.fit(boston.data, boston.target)

# 使用predict接口，看看預測的效果噻
print(boston.target[0:10])
res = reg.predict(boston.data)
print(res[0:10])