низкий балл случайной лесной регрессии - PullRequest
Новая
       70

низкий балл случайной лесной регрессии

0 голосов
/ 26 января 2020

Я пытаюсь использовать случайную лесную регрессию для прогнозирования цены автомобиля. Я получил данные с cars.com, очистил данные, сохранил некоторые функции (год, пробег, экстерьерColor и т. Д. 1010 *), в то время как категориальные функции, похоже, не работают с алгоритмом, поэтому я установил фиктивные переменные для категориальных функций (потому что только числовая функция работает с tress ??), я получил низкий балл.

Окончательные данные выглядят так: 

Year    Model   Price   Mileage Engine  CityFuelEconomy HighwayFuelEconomy  ExteriorColor
2013     2      6900    37100    3.0          20                30               1

Я выполнил случайный лес по умолчанию, а также с настройкой параметров по GridSearch, оба результата не идеальны. 

#by default
In:   from sklearn.metrics import explained_variance_score
      explained_variance_score(train_y, model.predict(train_x))
Out:  0.5569482176630063

In:   model.score(test_x, test_y)
Out:  0.5299303064708601

Train MAE: 993.199536787152
Test MAE: 1094.8346295258416

#GridSearch
Best Score is: 0.5305298726822617
Best Parameters are: {'criterion': 'mse', 'max_depth': 15, 'max_features': 3,
                        'min_samples_leaf': 3, 'min_samples_split': 7, 'n_estimators': 500}

forest.score(X_val, y_val)
Score: 0.56

Я новичок в машинном обучении, я не знаю, какой алгоритм лучше подходит для какого набора данных, может кто-нибудь помочь мне с улучшением этой или возможных причин что могло случиться? спасибо!

...