| 参数 |
类型 |
RandomForestClassifier |
RandomForestRegressor |
GradientBoostingClassifier |
GradientBoostingRegressor |
| loss |
目标 |
|
|
损失函数 ● exponential：模型等同AdaBoost ★ deviance：和Logistic Regression的损失函数一致 |
损失函数 ● exponential：模型等同AdaBoost ★ deviance：和Logistic Regression的损失函数一致 |
| alpha |
目标 |
|
|
损失函数为huber或quantile的时，alpha为损失函数中的参数 |
损失函数为huber或quantile的时，alpha为损失函数中的参数 |
| class_weight |
目标 |
类别的权值 |
|
|
|
| n_estimators |
性能 |
子模型的数量 ● int：个数 ★ 10：默认值 |
子模型的数量 ● int：个数 ★ 10：默认值 |
子模型的数量 ● int：个数 ★ 100：默认值 |
子模型的数量 ● int：个数 ★ 100：默认值 |
| learning_rate |
性能 |
|
|
学习率（缩减） |
学习率（缩减） |
| criterion |
性能 |
判断节点是否继续分裂采用的计算方法 ● entropy ★ gini |
判断节点是否继续分裂采用的计算方法 ★ mse |
|
|
| max_features |
性能 |
节点分裂时参与判断的最大特征数 ● int：个数 ● float：占所有特征的百分比 ★ auto：所有特征数的开方 ● sqrt：所有特征数的开方 ● log2：所有特征数的log2值 ● None：等于所有特征数 |
节点分裂时参与判断的最大特征数 ● int：个数 ● float：占所有特征的百分比 ★ auto：所有特征数的开方 ● sqrt：所有特征数的开方 ● log2：所有特征数的log2值 ● None：等于所有特征数 |
节点分裂时参与判断的最大特征数 ● int：个数 ● float：占所有特征的百分比 ● auto：所有特征数的开方 ● sqrt：所有特征数的开方 ● log2：所有特征数的log2值 ★ None：等于所有特征数 |
节点分裂时参与判断的最大特征数 ● int：个数 ● float：占所有特征的百分比 ● auto：所有特征数的开方 ● sqrt：所有特征数的开方 ● log2：所有特征数的log2值 ★ None：等于所有特征数 |
| max_depth |
性能 |
最大深度，如果max_leaf_nodes参数指定，则忽略 ● int：深度 ★ None：树会生长到所有叶子都分到一个类，或者某节点所代表的样本数已小于min_samples_split |
最大深度，如果max_leaf_nodes参数指定，则忽略 ● int：深度 ★ None：树会生长到所有叶子都分到一个类，或者某节点所代表的样本数已小于min_samples_split |
最大深度，如果max_leaf_nodes参数指定，则忽略 ● int：深度 ★ 3：默认值 |
最大深度，如果max_leaf_nodes参数指定，则忽略 ● int：深度 ★ 3：默认值 |
| min_samples_split |
性能 |
分裂所需的最小样本数 ● int：样本数 ★ 2：默认值 |
分裂所需的最小样本数 ● int：样本数 ★ 2：默认值 |
分裂所需的最小样本数 ● int：样本数 ★ 2：默认值 |
分裂所需的最小样本数 ● int：样本数 ★ 2：默认值 |
| min_samples_leaf |
性能 |
叶节点最小样本数 ● int：样本数 ★ 1：默认值 |
叶节点最小样本数 ● int：样本数 ★ 1：默认值 |
叶节点最小样本数 ● int：样本数 ★ 1：默认值 |
叶节点最小样本数 ● int：样本数 ★ 1：默认值 |
| min_weight_fraction_leaf |
性能 |
叶节点最小样本权重总值 ● float：权重总值 ★ 0：默认值 |
叶节点最小样本权重总值 ● float：权重总值 ★ 0：默认值 |
叶节点最小样本权重总值 ● float：权重总值 ★ 0：默认值 |
叶节点最小样本权重总值 ● float：权重总值 ★ 0：默认值 |
| max_leaf_nodes |
性能 |
最大叶节点数 ● int：个数 ★ None：不限制叶节点数 |
最大叶节点数 ● int：个数 ★ None：不限制叶节点数 |
最大叶节点数 ● int：个数 ★ None：不限制叶节点数 |
最大叶节点数 ● int：个数 ★ None：不限制叶节点数 |
| bootstrap |
性能 |
是否bootstrap对样本抽样 ● False：子模型的样本一致，子模型间强相关 ★ True：默认值 |
是否bootstrap对样本抽样 ● False：子模型的样本一致，子模型间强相关 ★ True：默认值 |
|
&n |