n_estimators和max_features在RandomForestRegressor中的含义

Question

我正在阅读有关使用GridSearchCV精调模型的信息，并且遇到了如下所示的参数网格：

param_grid = [
{'n_estimators': [3, 10, 30], 'max_features': [2, 4, 6, 8]},

{'bootstrap': [False], 'n_estimators': [3, 10], 'max_features': [2, 3, 4]},
]
forest_reg = RandomForestRegressor(random_state=42)
# train across 5 folds, that's a total of (12+6)*5=90 rounds of training 
grid_search = GridSearchCV(forest_reg, param_grid, cv=5,
                       scoring='neg_mean_squared_error')
grid_search.fit(housing_prepared, housing_labels)

在这里，我没有得到n_estimator和max_feature的概念。就像n_estimator表示从数据中记录的数量，而max_features意味着从数据中选择的属性的数量一样吗？

经过进一步研究，我得到了以下结果：

>> grid_search.best_params_
{'max_feature':8, 'n_estimator':30}

所以事情是我没有得到真正的结果。

Answer 1

阅读有关RandomForest Regressor的文档后，您可以看到这n_estimators是林中要使用的树数。由于“随机森林”是一种包括创建多个决策树的整体方法，因此该参数用于控制流程中要使用的树的数量。

max_features另一方面，确定寻找拆分时要考虑的最大特征数。有关更多信息，请max_features阅读此答案。