随机森林的简单学习记录

随机森林小记

这里采用的随机森林的库选择sklearn库

1.首先是导入数据：

path = "D:/Epileptic Seizure Classification.csv"
# 针对csv文件
rawdata = pd.read_csv(path) 
# 针对xlsx文件
rawdata = pd.read_excel(path) 

2.根据数据分布，选出样本的标签和数据，使用函数将他们分开：

使用iloc函数，提出相应的数据
iloc[]函数，属于pandas库，全称为index location，即对数据进行位置索引，从而在数据表中提取出相应的数据。


了解了相关函数的用法，就可以将数据进行分开。这里用到的数据为，第一列是对应天数，后面的所有数据时高光谱的数据，所以x为数据，y是对应的天数。

# 得到分类后的数据和标签
X = rawdata.iloc[:,1:]
Y = rawdata.iloc[:,0]

3.得到数据和标签后，就可以将其分为训练集和验证集，套用train_test_split函数

将训练集和验证集按9:1的比例分开：

x_train, x_test, y_train, y_test = train_test_split(X, Y, random_state=1, train_size=0.9,stratify=Y)

4.随机森林主体部分

整个流程是，将分类好的训练集和验证集进行随机森林训练，选择不同的树的个数，输出最后的结果。

def rf_model(k):
    return RandomForestClassifier(n_estimators=k*10, criterion="gini",max_features='sqrt')

def svc_model(model):
    model.fit(x_train, y_train)
    acu_train = model.score(x_train, y_train)
    acu_test = model.score(x_test, y_test)
    y_pred = model.predict(x_test)
    recall = recall_score(y_test, y_pred, average="macro")
    return acu_train, acu_test, recall

def run_rf(kmax):
    result = {
        "k": [],
        "acu_train": [],
        "acu_test": [],
        "recall": [],
        "time":[]
    }
    for i in range(1, kmax + 1):
        start_time = time.time()
        acu_train, acu_test, recall = svc_model(rf_model(i))
        end_time = time.time()
        result["k"].append(i)
        result["acu_train"].append(acu_train)
        result["acu_test"].append(acu_test)
        result["recall"].append(recall)
        result["time"].append(end_time-start_time)
        print(i,result["acu_test"][-1])
    return pd.DataFrame(result)

其中RandomForestClassifier函数为随机森林函数主体：