【Mathematical Model】基于Python实现随机森林回归算法特征重要性评估线性拟合-编程知识

【Mathematical Model】基于Python实现随机森林回归算法特征重要性评估线性拟合

前段时间在做遥感的定量反演，所以研究了一下回归算法，由于之前发的几篇博文都是定义好基础方程进行拟合的，不太满足我的需求。所以研究了一下随机森林回归的算法，之前使用随机森林都是做分类，这次做了回归算法也算是补全了RF算法的空缺了。今天抽空给大家分享一下使用Python实现随机森林回归算法，同时将特征重要性和拟合结果进行可视化。

原创作者：RS迷途小书童

博客地址：https://blog.csdn.net/m0_56729804?type=blog

1. 需要的库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score

2. 代码主函数

这里其实还是调用sklearn里面的随机森林回归算法的函数，所以整体没什么难度，最后将结果使用matplotlib库进行绘制。

# -*- coding: utf-8 -*-
"""
@Time ： 2023/4/2 11:31
@Auth ： RS迷途小书童
@File ：Random Forest Regression.py
@IDE ：PyCharm
@Purpose：随机森林回归算法+特征重要性评估
@Web：博客地址:https://blog.csdn.net/m0_56729804
"""
import joblib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']def RF_Regression(path_excel):print("-----------------------------------随机森林回归分析-----------------------------------")print("【数据准备】正在导入数据......")df = pd.read_excel(path_excel)  # 读取数据num_columns = df.shape[1]x = df.iloc[:, 0:num_columns-1]  # 读取前18列为自变量y = df.iloc[:, num_columns-1]  # 读取第19列为因变量print("【数据准备】正在分割训练集和测试集......")x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3)  # 以7：3划分训练样本和测试样本model = RandomForestRegressor(n_estimators=100, random_state=42)  # 创建模型#  {'max_depth': None, 'max_features': 'log2', 'min_samples_leaf': 4, 'min_samples_split': 10, 'n_estimators': 200}print("【模型分析】正在训练回归模型......")model.fit(x_train, y_train)  # 以训练样本训练模型print("【模型分析】正在验证模型精度......")y_predict = model.predict(x_test)  # 用验证集预测mse = mean_squared_error(y_test, y_predict)r2 = r2_score(y_test, y_predict)# 计算MSE和R-squaredprint('【评估参数】MSE:', mse)  # 线性回归的损失函数print('【评估参数】R-squared:', r2)  # 确定系数的取值范围为[0 1].越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好print("【模型参数】特征重要性:")feature_importance = model.feature_importances_  # 特征的重要性分数for i, feature in enumerate(x.columns):print(" {}: {}\n".format(feature, feature_importance[i]), end='')print("【结果可视化】正在绘制特征重要性......")feature_names = x.columns.tolist()  # 获取特征的名称feature_importance_sort = feature_importance.argsort()  # 按照特征重要性从小到大排序的索引plt.subplots(figsize=(8, 6))plt.barh(range(len(feature_importance)), feature_importance[feature_importance_sort])  # 绘制一个水平条形图plt.yticks(range(len(feature_importance)), [feature_names[i] for i in feature_importance_sort], fontsize=8)# 设置了y轴的刻度标签。根据排序后的索引feature_ids获取对应的特征名称。font size=8设置字体大小plt.xlabel('Features Importance')plt.ylabel('Features Name')plt.title('Random Forest Regression Feature Importance Evaluation')plt.show()# plt.savefig('Random Forest Regression Feature Importance Evaluation', dpi=500)print("【结果可视化】正在精度曲线......")plt.subplots(figsize=(8, 6))plt.scatter(y_predict, y_test, alpha=0.6)w = np.linspace(min(y_predict), max(y_predict), 100)plt.plot(w, w)plt.xlabel('Predicted Value')plt.ylabel('Actual Value')plt.title('Random Forest Prediction')plt.show()# joblib.dump(model, 'model_RF.pkl')