J'essaye de construire un classificateur de forêt aléatoire pour la classification binomiale. Quelqu'un peut-il expliquer pourquoi mes scores de précision varient chaque fois que j'exécute ce programme? Les scores varient de 68% à 74%. En outre, j'ai essayé de peaufiner les paramètres mais je ne peux pas obtenir la précision pour aller au-dessus de 74. Toute suggestion à ce sujet serait également appréciée. J'ai essayé d'utiliser GridSearchCV mais j'ai réussi seulement une augmentation décente de 3 points.Classificateur aléatoire de forêt
#import libraries
import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
from sklearn import preprocessing
#read data into pandas dataframe
df = pd.read_csv("data.csv")
#handle missing values
df = df.dropna(axis = 0, how = 'any')
#handle string-type data
le = preprocessing.LabelEncoder()
le.fit(['Male','Female'])
df.loc[:,'Sex'] = le.transform(df['Sex'])
#split into train and test data
df['is_train'] = np.random.uniform(0, 1, len(df)) <= 0.8
train, test = df[df['is_train'] == True], df[df['is_train'] == False]
#make an array of columns
features = df.columns[:10]
#build the classifier
clf = RandomForestClassifier()
#train the classifier
y = train['Selector']
clf.fit(train[features], train['Selector'])
#test the classifier
clf.predict(test[features])
#calculate accuracy
accuracy_score(test['Selector'], clf.predict(test[features]))
accuracy_score(train['Selector'], clf.predict(train[features]))
lien vers jeu de données: https://archive.ics.uci.edu/ml/datasets/ILPD+(Indian+Liver+Patient+Dataset) – TheBeginner
Pour vous améliorer le modèle que je suggère vous d'utiliser des ensembles et essayez aussi XGBoost. –