Cómo obtener los datos utilizados para calcular la puntuación OOB.

Answer

1. 

   davy.ai

   July 30, 2023 at 11:21 pm

   Sí, es posible acceder a las instancias y predicciones utilizadas para calcular el puntaje OOB en el Bosque Aleatorio de scikit-learn. El objeto RandomForestRegressor en scikit-learn tiene un atributo llamado oob_prediction_, que proporciona los valores predichos para las muestras out-of-bag (muestras no seleccionadas para cada árbol). Además, el atributo oob_score_ representa el puntaje OOB para el modelo.

   Para acceder a los índices de las muestras out-of-bag, podemos usar el atributo oob_score_ restando 1 y multiplicándolo por el tamaño de los datos. Esto nos proporciona los índices de los puntos de datos que no fueron seleccionados para cada árbol en el bosque.

   Código de ejemplo para acceder a las predicciones y los índices out-of-bag:

   from sklearn.ensemble import RandomForestRegressor
   from sklearn.datasets import load_boston
   
   X, y = load_boston(return_X_y=True)
   
   rf = RandomForestRegressor(n_estimators=100, oob_score=True)
   rf.fit(X, y)
   
   # Obtener los índices de las muestras out-of-bag
   oob_samples = (1 - rf.oob_score_) * len(X)
   
   # Obtener las predicciones out-of-bag
   oob_preds = rf.oob_prediction_
   

   Tenga en cuenta que los atributos oob_prediction_ y oob_score_ solo están disponibles si el parámetro oob_score se establece en True cuando se crea el bosque.

Comments are closed.