标签：app 金融 else 股票市场 任务 而且 tree 完整 发展
一、随机森林算法简介：
在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合Breimans 的 "Bootstrap aggregating" 想法和 Ho 的"randomsubspace method"以建造决策树的集合。
根据下列算法而建造每棵树 ：
1. 用M来表示训练用例（样本）的个数，N表示特征数目。
2. 输入特征数目n，用于确定决策树上一个节点的决策结果；其中n应远小于N。
3. 从M个训练用例（样本）中以有放回抽样的方式，取样k次，形成一个训练集（即bootstrap取样），并用未抽到的用例（样本）作预测，评估其误差。
4. 对于每一个节点，随机选择n个特征，每棵决策树上每个节点的决定都是基于这些特征确定的。根据这n个特征，计算其最佳的分裂方式。
5. 每棵树都会完整成长而不会剪枝，这有可能在建完一棵正常树状分类器后会被采用。
6. 最后测试数据，根据每棵树，以多胜少方式决定分类。
在构建随机森林时，需要做到两个方面：数据的随机性选取，以及待选特征的随机选取，来消除过拟合问题。
首先，从原始的数据集中采取有放回的抽样，构造子数据集，子数据集的数据量是和原始数据集相同的。不同子数据集的元素可以重复，同一个子数据集中的元素也可以重复。第二，利用子数据集来构建子决策树，将这个数据放到每个子决策树中，每个子决策树输出一个结果。最后，如果有了新的数据需要通过随机森林得到分类结果，就可以通过对子决策树的判断结果的投票，得到随机森林的输出结果了。如下图，假设随机森林中有3棵子决策树，2棵子树的分类结果是A类，1棵子树的分类结果是B类，那么随机森林的分类结果就是A类。
与数据集的随机选取类似，随机森林中的子树的每一个分裂过程并未用到所有的待选特征，而是从所有的待选特征中随机选取一定的特征，之后再在随机选取的特征中选取最优的特征。这样能够使得随机森林中的决策树都能够彼此不同，提升系统的多样性，从而提升分类性能。
优点：
随机森林的既可以用于回归也可以用于分类任务，并且很容易查看模型的输入特征的相对重要性。随机森林算法被认为是一种非常方便且易于使用的算法，因为它是默认的超参数通常会产生一个很好的预测结果。超参数的数量也不是那么多，而且它们所代表的含义直观易懂。
随机森林有足够多的树，分类器就不会产生过度拟合模型。
缺点：
由于使用大量的树会使算法变得很慢，并且无法做到实时预测。一般而言，这些算法训练速度很快，预测十分缓慢。越准确的预测需要越多的树，这将导致模型越慢。在大多数现实世界的应用中，随机森林算法已经足够快，但肯定会遇到实时性要求很高的情况，那就只能首选其他方法。当然，随机森林是一种预测性建模工具，而不是一种描述性工具。也就是说，如果您正在寻找关于数据中关系的描述，那建议首选其他方法。
适用范围：
随机森林算法可被用于很多不同的领域，如银行，股票市场，医药和电子商务。在银行领域，它通常被用来检测那些比普通人更高频率使用银行服务的客户，并及时偿还他们的债务。同时，它也会被用来检测那些想诈骗银行的客户。在金融领域，它可用于预测未来股票的趋势。在医疗保健领域，它可用于识别药品成分的正确组合，分析患者的病史以识别疾病。除此之外，在电子商务领域中，随机森林可以被用来确定客户是否真的喜欢某个产品。
二、sklearn中随机森林算法应用举例：
（1）基本步骤：
①选择数据：将你的数据分成三组：训练数据、验证数据和测试数据
②模型数据：使用训练数据来构建使用相关特征的模型
③验证模型：使用你的验证数据接入你的模型
④测试模型：使用你的测试数据检查被验证的模型的表现
⑤使用模型：使用完全训练好的模型在新数据上做预测
⑥调优模型：使用更多数据、不同的特征或调整过的参数来提升算法的性能表现
为方便大家使用，代码如下：
# 随机森林需要调整的参数有： # （1） 决策树的个数 # （2） 特征属性的个数 # （3） 递归次数（即决策树的深度） import numpy as np from numpy import * import random from sklearn.model_selection import train_test_split #生成数据集。数据集包括标签，全包含在返回值的dataset上 def get_Datasets(): from sklearn.datasets import make_classification dataSet,classLabels=make_classification(n_samples=200,n_features=100,n_classes=2) #print(dataSet.shape,classLabels.shape) return np.concatenate((dataSet,classLabels.reshape((-1,1))),axis=1) #切分数据集，实现交叉验证。可以利用它来选择决策树个数。但本例没有实现其代码。 #原理如下： #第一步，将训练集划分为大小相同的K份； #第二步，我们选择其中的K-1分训练模型，将用余下的那一份计算模型的预测值， #这一份通常被称为交叉验证集；第三步，我们对所有考虑使用的参数建立模型 #并做出预测，然后使用不同的K值重复这一过程。 #然后是关键，我们利用在不同的K下平均准确率最高所对应的决策树个数 #作为算法决策树个数 def splitDataSet(dataSet,n_folds): fold_size=len(dataSet)/n_folds data_split=[] begin=0 end=fold_size for i in range(n_folds): data_split.append(dataSet[begin:end,:]) begin=end end+=fold_size return data_split #构建n个子集 def get_subsamples(dataSet,n): subDataSet=[] for i in range(n): index=[] for k in range(len(dataSet)): index.append(np.random.randint(len(dataSet))) subDataSet.append(dataSet[index,:]) return subDataSet #划分数据集 def binSplitDataSet(dataSet,feature,value): mat0=dataSet[np.nonzero(dataSet[:,feature]>value)[0],:] mat1=dataSet[np.nonzero(dataSet[:,feature]<value)[0],:] return mat0,mat1 #计算方差，回归时使用 def regErr(dataSet): return np.var(dataSet[:,-1])*shape(dataSet)[0] #计算平均值，回归时使用 def regLeaf(dataSet): return np.mean(dataSet[:,-1]) def MostNumber(dataSet): #返回多类 #number=set(dataSet[:,-1]) len0=len(np.nonzero(dataSet[:,-1]==0)[0]) len1=len(np.nonzero(dataSet[:,-1]==1)[0]) if len0>len1: return 0 else: return 1 #计算基尼指数 def gini(dataSet): corr=0.0 for i in set(dataSet[:,-1]): corr+=(len(np.nonzero(dataSet[:,-1]==i)[0])/len(dataSet))**2 return 1-corr #选取任意的m个特征，在这m个特征中，选取分割时的最优特征 def select_best_feature(dataSet,m,alpha="huigui"): f=dataSet.shape[1] index=[] bestS=inf;bestfeature=0;bestValue=0; if alpha=="huigui": S=regErr(dataSet) else: S=gini(dataSet) for i in range(m): index.append(np.random.randint(f)) for feature in index: for splitVal in set(dataSet[:,feature]): mat0,mat1=binSplitDataSet(dataSet,feature,splitVal) if alpha=="huigui": newS=regErr(mat0)+regErr(mat1) else: newS=gini(mat0)+gini(mat1) if bestS>newS: bestfeature=feature bestValue=splitVal bestS=newS if (S-bestS)<0.001 and alpha=="huigui": #如果误差不大就退出 return None,regLeaf(dataSet) elif (S-bestS)<0.001: #print(S,bestS) return None,MostNumber(dataSet) #mat0,mat1=binSplitDataSet(dataSet,feature,splitVal) return bestfeature,bestValue def createTree(dataSet,alpha="huigui",m=20,max_level=10): #实现决策树，使用20个特征，深度为10 bestfeature,bestValue=select_best_feature(dataSet,m,alpha=alpha) if bestfeature==None: return bestValue retTree={} max_level-=1 if max_level<0: #控制深度 return regLeaf(dataSet) retTree[‘bestFeature‘]=bestfeature retTree[‘bestVal‘]=bestValue lSet,rSet=binSplitDataSet(dataSet,bestfeature,bestValue) retTree[‘right‘]=createTree(rSet,alpha,m,max_level) retTree[‘left‘]=createTree(lSet,alpha,m,max_level) #print(‘retTree:‘,retTree) return retTree def RondomForest(dataSet,n,alpha="huigui"): #树的个数 #dataSet=get_Datasets() Trees=[] for i in range(n): X_train, X_test, y_train, y_test = train_test_split(dataSet[:,:-1], dataSet[:,-1], test_size=0.33, random_state=42) X_train=np.concatenate((X_train,y_train.reshape((-1,1))),axis=1) Trees.append(createTree(X_train,alpha=alpha)) return Trees #预测单个数据样本 def treeForecast(tree,data,alpha="huigui"): if alpha=="huigui": if not isinstance(tree,dict): return float(tree) if data[tree[‘bestFeature‘]]>tree[‘bestVal‘]: if type(tree[‘left‘])==‘float‘: return tree[‘left‘] else: return treeForecast(tree[‘left‘],data,alpha) else: if type(tree[‘right‘])==‘float‘: return tree[‘right‘] else: return treeForecast(tree[‘right‘],data,alpha) else: if not isinstance(tree,dict): return int(tree) if data[tree[‘bestFeature‘]]>tree[‘bestVal‘]: if type(tree[‘left‘])==‘int‘: return tree[‘left‘] else: return treeForecast(tree[‘left‘],data,alpha) else: if type(tree[‘right‘])==‘int‘: return tree[‘right‘] else: return treeForecast(tree[‘right‘],data,alpha) #单棵树预测测试集 def createForeCast(tree,dataSet,alpha="huigui"): m=len(dataSet) yhat=np.mat(zeros((m,1))) for i in range(m): yhat[i,0]=treeForecast(tree,dataSet[i,:],alpha) return yhat #随机森林预测 def predictTree(Trees,dataSet,alpha="huigui"): m=len(dataSet) yhat=np.mat(zeros((m,1))) for tree in Trees: yhat+=createForeCast(tree,dataSet,alpha) if alpha=="huigui": yhat/=len(Trees) else: for i in range(len(yhat)): if yhat[i,0]>len(Trees)/2: yhat[i,0]=1 else: yhat[i,0]=0 return yhat if __name__ == ‘__main__‘ : dataSet=get_Datasets() #得到数据集和标签 print(dataSet[:,-1].T) #打印标签，与后面预测值对比 RomdomTrees=RondomForest(dataSet,4,alpha="fenlei") #4棵树，分类。 print("---------------------RomdomTrees------------------------") #print(RomdomTrees[0]) yhat=predictTree(RomdomTrees,dataSet,alpha="fenlei") print(yhat.T) #get_Datasets()
执行结果：
C:\Anaconda3\python.exe "C:\Program Files\JetBrains\PyCharm 2019.1.1\helpers\pydev\pydevconsole.py" --mode=client --port=56305 import sys; print(‘Python %s on %s‘ % (sys.version, sys.platform)) sys.path.extend([‘C:\\app\\PycharmProjects‘, ‘C:/app/PycharmProjects‘]) Python 3.7.6 (default, Jan 8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)] Type ‘copyright‘, ‘credits‘ or ‘license‘ for more information IPython 7.12.0 -- An enhanced Interactive Python. Type ‘?‘ for help. PyDev console: using IPython 7.12.0 Python 3.7.6 (default, Jan 8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)] on win32 runfile(‘C:/app/PycharmProjects/ArtificialIntelligence/test.py‘, wdir=‘C:/app/PycharmProjects/ArtificialIntelligence‘) [1. 1. 0. 0. 0. 0. 0. 0. 1. 1. 1. 0. 1. 0. 0. 0. 0. 1. 1. 0. 1. 0. 0. 1. 1. 1. 1. 1. 1. 1. 0. 0. 0. 1. 1. 0. 0. 0. 0. 0. 1. 1. 1. 1. 1. 1. 0. 0. 0. 1. 0. 1. 1. 1. 0. 0. 1. 1. 0. 1. 0. 1. 1. 0. 1. 1. 1. 0. 1. 0. 1. 1. 0. 0. 0. 1. 0. 1. 1. 1. 1. 1. 1. 0. 0. 1. 0. 1. 1. 0. 0. 1. 0. 0. 0. 0. 1. 1. 0. 1. 0. 1. 1. 0. 0. 0. 0. 1. 1. 0. 1. 1. 0. 0. 0. 0. 1. 1. 0. 0. 1. 1. 1. 0. 0. 1. 0. 1. 0. 1. 0. 1. 0. 0. 1. 1. 0. 0. 0. 0. 1. 1. 1. 0. 0. 0. 0. 1. 0. 1. 0. 1. 0. 0. 1. 1. 1. 1. 1. 0. 0. 0. 0. 1. 0. 0. 1. 1. 0. 1. 0. 0. 1. 1. 1. 0. 0. 0. 1. 0. 0. 1. 1. 0. 1. 1. 0. 1. 0. 1. 0. 0. 1. 1. 1. 1. 0. 0. 1. 0.] ---------------------RomdomTrees------------------------ [[1. 1. 0. 0. 0. 0. 0. 0. 0. 1. 1. 0. 1. 0. 0. 0. 0. 1. 1. 0. 1. 0. 0. 1. 1. 1. 0. 1. 1. 1. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 1. 1. 1. 1. 1. 1. 0. 0. 0. 1. 0. 1. 1. 1. 0. 0. 0. 1. 0. 1. 0. 1. 1. 0. 1. 1. 1. 0. 1. 0. 1. 1. 0. 0. 0. 1. 0. 1. 1. 0. 1. 1. 0. 0. 0. 0. 0. 1. 1. 0. 0. 1. 0. 0. 0. 0. 1. 1. 0. 1. 0. 1. 1. 0. 0. 0. 0. 1. 0. 0. 1. 1. 0. 0. 0. 0. 0. 1. 0. 0. 1. 1. 1. 0. 0. 0. 0. 1. 0. 1. 0. 1. 0. 0. 1. 0. 0. 0. 0. 0. 1. 1. 1. 0. 0. 0. 0. 1. 0. 1. 0. 1. 0. 0. 1. 1. 1. 1. 0. 0. 0. 0. 0. 1. 0. 1. 1. 1. 0. 1. 0. 0. 1. 1. 1. 0. 0. 0. 1. 0. 0. 1. 1. 0. 1. 1. 0. 1. 0. 1. 0. 0. 1. 1. 1. 1. 0. 0. 1. 0.]]
标签：app 金融 else 股票市场 任务 而且 tree 完整 发展
原文地址：https://www.cnblogs.com/huanghanyu/p/13156008.html
