强制随机森林分类器使用所有输入要素？

Question

为了执行二进制预测，我有5个特征，我想将其用于我的随机森林分类器，其中两个根本没有被利用。我知道这是机器学习的全部意义，只选择有用的特征，但其他三个特征可能有偏见的数据，我想确保我的所有特征都以相同的权重使用来运行我的分类器。我找不到这个问题的直接答案。我用在这项工作。任何意见/建议将不胜感激。sklearnpython

Answer 1

您可以通过设置 来请求随机森林分类器中每个分割中正在考虑的所有特征。max_features = None

从文档中：

max_features：整型、浮点型、字符串或无，可选（默认为“自动”）

寻找最佳拆分时要考虑的功能数量：

如果为 int，则在每次分割时考虑特征。max_features

如果是浮点数，则为分数，并且在每次拆分时都会考虑特征。max_featuresint(max_features * n_features)

如果“自动”，则 .max_features=sqrt(n_features)

如果为“sqrt”，则（与“自动”相同）。max_features=sqrt(n_features)

如果为“log2”，则 .max_features=log2(n_features)

如果为“无”，则 .max_features=n_features

为什么使用单个树的随机森林比决策树分类器好得多？中的答案可能有助于解释和提供一些上下文。

Answer 2

它可以帮助你的是设置参数max_feature = 1，因此每个节点将采用（均匀分布）随机特征，并且将强制使用它。但是，您还需要设置树的深度，因为它将无限地添加点头，直到接收到主要特征之一。