ProximityForest

class ProximityForest(random_state=None, n_estimators=100, distance_measure=None, verbosity=0, max_depth=inf, is_leaf=<function pure>, n_jobs=1, n_stump_evaluations=5)

Proximity Forest 分类器。

使用距离度量来划分数据的决策树森林 [1]。内部使用 ProximityTree。

参数:

random_state: int 或 np.RandomState, 默认=None

随机数生成器的随机种子

n_estimators: int, default=100

森林中树木的数量。

distance_measure: ``None`` (默认) 或 str; 如果是 str, 则为以下之一

euclidean, dtw, ddtw, wdtw, wddtw, msm, lcss, erp 如果 None，则从可用距离列表中随机选择距离度量

详细程度: 0 或 1

反映日志详细程度的数字 0 = 无日志记录，1 = 详细日志记录

max_depth: int 或 math.inf, 默认=math.inf

树的最大深度

is_leaf: 函数, 默认=pure

决定何时将节点标记为叶节点的函数

n_jobs: int, 默认=1

并行运行的作业数量 *跨线程

n_stump_evaluations: int, default=5

如果 find_stump 方法为 None，则要进行的树桩评估的数量

属性:

is_fitted

是否已调用 fit。

参考文献

[1]

Ben Lucas 等人，“Proximity Forest: 一种有效且可扩展的基于距离的时间序列分类器”，《数据挖掘与知识发现》，33(3): 607-635, 2019