sklearn中随机森林分类器RandomForestClassifier的实际应用

最新推荐文章于 2025-08-14 12:26:00 发布

白水baishui

最新推荐文章于 2025-08-14 12:26:00 发布

阅读量4k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： # 机器学习文章标签： sklearn 随机森林 RandomForestClassifier 应用可视化

本文链接：https://blog.csdn.net/baishuiniyaonulia/article/details/89428364

机器学习专栏收录该内容

20 篇文章

订阅专栏

本文详细介绍如何使用Python的pandas和sklearn库对CSV数据进行预处理，并应用随机森林算法进行分类。从读取数据到特征编码，再到模型训练及可视化决策树，全程实战演示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

假设我们有一份CSV文件(以部分为例)：car_rf.csv
在这里插入图片描述

要用随机森林对其进行分类，其中最后一列视为标签，其余列视为特征

# coding = utf-8
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from IPython.display import Image
from sklearn import tree
import pydotplus

def read_dataset(fname = u"/car_rf.csv"):
    data = pd.read_csv(fname, index_col=0,encoding="utf-8",dtype=str)
    data = data.fillna(0)
    temp_col_list = ["",""] # ""中填特征的列名
    for i in temp_col_list:
        lables = data[i].unique().tolist()
        data[i] = data[i].apply(lambda n: lables.index(n))
    return data
train = read_dataset()

# ""中填标签的列名
y = train[""].values
X = train.drop([""], axis=1).values

rf = RandomForestClassifier(n_estimators=4, max_depth=2)
rf = rf.fit(X,y)

Estimators = rf.estimators_
for index, model in enumerate(Estimators):
    filename = str(index) + '.pdf'
    dot_data = tree.export_graphviz(model , out_file=None)
    graph = pydotplus.graph_from_dot_data(dot_data)
    Image(graph.create_png())
    graph.write_pdf(filename)