randomForestRegressor

语法

randomForestRegressor(ds, yColName, xColNames, [maxFeatures=0], [numTrees=10], [numBins=32], [maxDepth=32], [minImpurityDecrease=0.0], [numJobs=-1], [randomSeed])

参数

ds 是数据源，通常用 sqlDS 函数生成。

yColName 是字符串，表示数据源中作为因变量的列名

xColNames 是字符串标量或向量，表示数据源中作为自变量的列名。

maxFeatures 是一个整数或浮点数，表示一次分裂节点选取的特征个数或比例。默认值是0。

  • 如果 maxFeatures 为正整数，则在一次分裂时选取 maxFeatures 个特征。

  • 如果 maxFeatures =0，则在一次分裂时选取 sqrt(特征列数量) 个特征。

  • 如果 maxFeatures 是一个0和1之间的浮点数，则在一次分裂时选取 int(特征列数量*maxFeatures) 个特征

numTrees 是正整数，表示森林中树的个数。默认值为10。

numBins 是正整数，表示离散化连续特征时的桶数。默认值为32。增加 numBins 会使算法考虑更多的分裂结点的决策值，产生更好的分裂结果，但也会提高计算量和通讯量。

maxDepth 是正整数，表示树的最大深度。默认值为32。

minImpurityDecrease 是浮点数，如果分裂产生的纯度减少值大于或等于这个值，结点会继续分裂。纯度用方差来计算。默认值是0。

numJobs 是一个整数，表示训练时使用的任务数。它是可选参数，默认值为-1，表示训练时使用所有的线程。如果 numJobs 小于-1，假如设置的 localExecutor 参数为 n，产生的任务数为 (n+2+numJobs)。实际执行过程中，最多会产生 min(numTrees, n+1) 个任务。如果 ds 中有数据源位于远程节点，该参数不起作用，只产生一个任务。

randomSeed 是随机数生成器使用的种子。

详情

计算指定数据源中 yColName 和 xColNames 随机森林分类。返回结果是字典，包含以下 key：minImpurityDecrease, maxDepth, numBins, numTress, maxFeatures, model, modelName, xColNames。其中 model 是一个元组，保存了训练生成的树；modelName 为 “Random Forest Regressor”。

生成的模型可以作为 predict 函数的输入。

例子

用模拟数据训练一个随机森林回归模型

x1 = rand(100.0, 100)
x2 = rand(100.0, 100)
b0 = 6
b1 = 1
b2 = -2
err = norm(0, 10, 100)
y = b0 + b1 * x1 + b2 * x2 + err
t = table(x1, x2, y)
model = randomForestRegressor(sqlDS(<select * from t>), `y, `x1`x2)
yhat=predict(model, t);

plot(y, yhat, ,SCATTER);

保存模型到磁盘

saveModel(model, "C:/DolphinDB/Data/regressionModel.bin")

加载一个保存的模型

loadModel("C:/DolphinDB/Data/regressionModel.bin")

相关函数：adaBoostClassifier,randomForestClassifier