小编Bro*_*ook的帖子

使用随机森林与scikit学习.RF过度拟合数据并且预测结果很糟糕.

过度拟合不依赖于RF的参数:NBtree,Depth_Tree

过度匹配发生在许多不同的参数上(通过grid_search测试).

补救措施:我调整初始数据/下采样一些结果,以影响拟合(手动预处理噪声样本).

Loop on random generation of RF fits, 

Get RF prediction on the  data for prediction
Select the model which best fits the "predicted data" (not the calibration data).

这个蒙特卡洛斯非常消耗,只是想知道是否有其他方法可以对随机森林进行交叉验证？(即不是超参数优化).

EDITED