Существует ли сопоставимый аргумент SKLearn RFClassifier с «stopping_rounds» H2o?

Question

Я перевожу случайный лес, используя h20 и r, в случайный лес, используя классификатор случайных лесов SciKit Learn с python. Модель randomForest в H2o имеет аргумент «stopping_rounds». Есть ли способ сделать это в Python, используя модель SKLearn Random Forest Classifier? Я просмотрел документацию, так что, боюсь, мне, возможно, придется жестко закодировать это.

Answer 1

Согласно документам классификатора случайных лесов sklearn , ранняя остановка определяется аргументами min_impurity_split (устарело) и min_impurity_decrease. Похоже, он не обладает такой же функциональностью, как H2O, но это может быть то, что вы ищете.

Answer 2

Нет, я не верю, что алгоритмы scikit-learn имеют какой-либо механизм автоматического раннего останова (это то, к чему относится stopping_rounds в алгоритмах H2O). Вам нужно будет вручную определить оптимальное количество деревьев.