1. RandomForestRegressor: 目的変数が連続変数の場合

RandomForestRegressor: 目的変数が連続変数の場合

このページでは、Python の sklearn というパッケージに含まれる RandomForestRegressor についてまとめる。同じパッケージに含まれる RandomForestClassifier についてのページ もあり、そちらの方がランダムフォレストについての詳しい説明がある。

実例 1: California Housing データセット

まず、必要なライブラリを読み込む。ここは classifier と似ているが、classifier の評価項目である AUC、accuracy score などの読み込みは不要。

sklearn パッケージに含まれる California Housing データセットをインポートする。RandomForestRegressor もここで読み込んでおこう。

データセットを読み込んで、学習データとテストデータに分割する。

このようにデータセットが分割される。70% が学習に使われる設定。

X_train は説明変数のデータセット。

y_train は目的変数のデータセット。それぞれのデータ (それぞれの行) に対して 1 つの値であり、classifier とは違って連続変数である。

学習のステップ。random_state=0 は、結果が毎回変わるのを防ぐために必要。完了すると model という変数が現れる。

評価は「モデルスコア」というもので行うらしい。

回帰の場合は、スコア 0.5 ぐらいが目安らしい。このモデルでは 0.79 で、これはかなり良いスコア。

References

1. Scikit-learnの使い方を徹底解説！AIエンジニアにおすすめ. Link: Last access 2022/11/18.
2. 未来の数値を予測する！？AIの回帰分析を徹底解説！ Link: Last access 2022/11/25.
3. 第11回 機械学習の評価関数（二値分類／多クラス分類用）を理解しよう. Link: Last access 2022/12/14.

コメント欄

サーバー移転のため、コメント欄は一時閉鎖中です。サイドバーから「管理人への質問」へどうぞ。