Ｈ2O中的随机森林算法介绍及其项目实战（python实现）
包的引入：from h2o.estimators.random_forest import H2ORandomForestEstimator
H2ORandomForestEstimator 的常用方法和参数介绍：
(一)建模方法：
model ＝H2ORandomForestEstimator(ntrees=ｎ,max_depth =ｍ)
model.train(x=random_pv.names,y='Catrgory',training_frame=trainData)
通过trainData来构建随机森林模型，model.train中的trainData：训练集，ｘ：预测变量名称，ｙ：预测 响应变量的名称
(二)预测方法：
pre_tag=H2ORandomForestEstimator.predict(model ,test_data) 利用训练好的模型来对测试集进行预测，其中的model：训练好的模型， test_data：测试集。
(三)算法参数说明：
(1)ntrees：构建模型时要生成的树的棵树。
(2)max_depth ：每棵树的最大深度。
项目要求：
题目一： 利用train.csv中的数据，通过H2O框架中的随机森林算法构建分类模型，然后利用模型对 test.csv中的数据进行预测，并计算分类的准确度进而评价模型的分类效果；通过调节参 数，观察分类准确度的变化情况。 注：准确度＝预测正确的数占样本数的比例
题目二： 通过H2o Flow 的随机森林算法，用同题目一中所用同样的训练数据和参数，构建模型； 参看模型中特征的重要性程度，从中选取前８个特征，再去训练模型，并重新预测结果， 进而计算分类的准确度。
需求完成内容：２个题目的代码，认为最好的准确度的输出值和test数据与预测结果合并 后的数据集，命名为predict.csv
python实现代码如下：
(1) 题目一：
#手动进行调节参数得到最好的准确率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division
df=h2o.import_file('train.csv')
trainData=df[2:]
model=H2ORandomForestEstimator(ntrees=6,max_depth =16)
model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
df2=h2o.import_file('test.csv')
test_data=df2[2:]
pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
predict=df2.concat(pre_tag)
dfnew=predict[predict['Catrgory']==predict['predict']]
Precision=dfnew.nrow/predict.nrow
print(Precision)
h2o.download_csv(predict,'predict.csv')
运行结果最好为87.0833%-6-16，如下
#for循环进行调节参数得到最好的准确率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division
df=h2o.import_file('train.csv')
trainData=df[2:]
df2=h2o.import_file('test.csv')
test_data=df2[2:]
Precision=0
nt=0
md=0
for i in range(1,50):
for j in range(1,50):
model=H2ORandomForestEstimator(ntrees=i,max_depth =j)
model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
predict=df2.concat(pre_tag)
dfnew=predict[predict['Catrgory']==predict['predict']]
p=dfnew.nrow/predict.nrow
if Precision
运行结果最好为87.5%-49-49，如下
(2)题目二：建模如下,之后挑出排名前8的特征进行再次建模
#手动调节参数得到最大准确率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division
df=h2o.import_file('train.csv')
trainData=df[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
df2=h2o.import_file('test.csv')
test_data=df2[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
model=H2ORandomForestEstimator(ntrees=5,max_depth =18)
model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
predict=df2.concat(pre_tag)
dfnew=predict[predict['Catrgory']==predict['predict']]
Precision=dfnew.nrow/predict.nrow
print(Precision)
h2o.download_csv(predict,'predict.csv')
运行结果最好为87.5%-5-18，如下
#for循环调节参数得到最大正确率
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import h2o
h2o.init()
from h2o.estimators.random_forest import H2ORandomForestEstimator
from __future__ import division
df=h2o.import_file('train.csv')
trainData=df[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
df2=h2o.import_file('test.csv')
test_data=df2[['Average_speed','r_a','r_b','v_a','v_d','Average_RPM','Variance_speed','v_c','Catrgory']]
Precision=0
nt=0
md=0
for i in range(1,50):
for j in range(1,50):
model=H2ORandomForestEstimator(ntrees=i,max_depth =j)
model.train(x=trainData.names,y='Catrgory',training_frame=trainData)
pre_tag=H2ORandomForestEstimator.predict(model ,test_data)
predict=df2.concat(pre_tag)
dfnew=predict[predict['Catrgory']==predict['predict']]
p=dfnew.nrow/predict.nrow
if Precision
运行结果最好为87.5%-49-49，如下
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
