【已解决】TypeError: init() got an unexpected keyword argument ‘min_impurity_split‘

原创

于 2023-10-26 16:53:15 发布 · 2.6k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #随机森林

本文介绍了如何在Python中使用sklearn的RandomForestClassifier构建随机森林模型，指定了基本参数如n_estimators=100,max_depth=5,min_samples_leaf=100。在遇到`min_impurity_split`未知参数错误后，通过查阅资料解决了问题，最终使代码正常运行。

建立随机森林模型

随机森林是若干决策树组成的集成模型，训练速度较快，性能也较好。

在此不加调优的指定随机森林的相关超参数防止过拟合：

参数n_estimators：指定随机森林中决策树的数量为100；
参数max_depth：指定决策树的最大深度为5；
参数min_samples_leaf：指定决策树的叶子节点至少要包含100个样本。

clf = RandomForestClassifier(n_estimators = 100, max_depth = 5, min_samples_leaf = 100)
clf.fit(X_train, y_train)

RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
                       max_depth=5, max_features='auto', max_leaf_nodes=None,
                       min_impurity_decrease=0.0, min_impurity_split=None,
                       min_samples_leaf=100, min_samples_split=2,
                       min_weight_fraction_leaf=0.0, n_estimators=100,
                       n_jobs=None, oob_score=False, random_state=None,
                       verbose=0, warm_start=False)

报错：