我希望能够实现一个简单的随机森林回归来预测值。输入是一些具有多个特征的样本,标签是一个值。然而,我找不到关于随机森林回归问题的简单示例。因此,我看到了tensorflow的文档并发现:
一个可以训练和评估随机森林的估计器。 示例:
然而,当我按照示例操作时,在这行代码
一个可以训练和评估随机森林的估计器。 示例:
python
params = tf.contrib.tensor_forest.python.tensor_forest.ForestHParams(
num_classes=2, num_features=40, num_trees=10, max_nodes=1000)
# Estimator using the default graph builder.
estimator = TensorForestEstimator(params, model_dir=model_dir)
# Or estimator using TrainingLossForest as the graph builder.
estimator = TensorForestEstimator(
params, graph_builder_class=tensor_forest.TrainingLossForest,
model_dir=model_dir)
# Input builders
def input_fn_train: # returns x, y
...
def input_fn_eval: # returns x, y
...
estimator.fit(input_fn=input_fn_train)
estimator.evaluate(input_fn=input_fn_eval)
# Predict returns an iterable of dicts.
results = list(estimator.predict(x=x))
prob0 = results[0][eval_metrics.INFERENCE_PROB_NAME]
prediction0 = results[0][eval_metrics.INFERENCE_PRED_NAME]
然而,当我按照示例操作时,在这行代码
prob0 = results[0][eval_metrics.INFERENCE_PROB_NAME]
中遇到了错误,该错误显示为:Example conversion:
est = Estimator(...) -> est = SKCompat(Estimator(...))
Traceback (most recent call last):
File "RF_2.py", line 312, in <module>
main()
File "RF_2.py", line 298, in main
train_eval(x_train, y_train, x_validation, y_validation, x_test, y_test, num_tree)
File "RF_2.py", line 221, in train_eval
prob0 = results[0][eval_metrics.INFERENCE_PROB_NAME]
KeyError: 'probabilities'
我认为错误出在INFERENCE_PROB_NAME
上,我看了文档,但仍不知道该用什么词来替换INFERENCE_PROB_NAME
。
我尝试使用get_metric('accuracy')
来替换INFERENCE_PROB_NAME
,但它返回了错误:KeyError: <function _accuracy at 0x11a06eaa0>
。
我还尝试使用get_prediction_key('accuracy')
来替换INFERENCE_PROB_NAME
,但它返回了错误:KeyError: 'classes'
。
如果你知道可能的答案,请告诉我。谢谢。