Entrar Ainda não tem acesso?
Solucionado (ver solução)
Solucionado
(ver solução)
1
resposta

Wall time muito curto e problema no atributo estimators_

Referente ao curso Árvores de Decisão: aprofundando em modelos de Machine Learning, no capítulo Aprendendo Ensemble Learning com Bagging e atividade Executando o Random Forest com o scikit-learn

por daniel camboim alexandrino da silva
| 182.2k xp | 5 posts

Boa tarde,

Ao rodar o código abaixo, o walltime que me retorna é de apenas 18.6segundos, frente ao mais de 5 minutos da intrutora, questiono se algo não está errado?

%%time
from sklearn.ensemble import RandomForestClassifier

classificador_random_forest = RandomForestClassifier(n_estimators=100, random_state=0)
y_pred_random_forest = executar_classificador(classificador_random_forest, X_train, X_test, y_train)

Após a execução dele, tentei salvar as árvores geradas:

salvar_arvore(classificador_random_forest.estimators_[0], "random_forest1")
salvar_arvore(classificador_random_forest.estimators_[1], "random_forest2")

E me informa que há um erro de atributo: AttributeError: 'RandomForestClassifier' object has no attribute 'estimators_'

O que estaria fazendo de errado?

1 resposta
solução!
por Tatiana Massae Sakata
| 85.5k xp | 3 posts

Boa Tarde, Daniel

Tive os mesmos erros, mas revisando aa funções, encontrei uma alteração que precisa ser feita:

%%time

from sklearn import tree

def executar_classificador(classificador, X_train, X_test, y_train):
  arvore = classificador_arvore_decisao.fit(X_train, y_train)
  y_pred = arvore.predict(X_test)
  return y_pred

Onde em arvore = classificador_arvore_decisao.fit(X_train, y_train), ele aponta apenas para as arvores de decisão.

Altere a linha para arvore = classificador.fit(X_train, y_train) e rode novamente.

Você verá que o tempo ficará muito próximo da professora na aula (o meu ficou em 4min 45s e após criar a figura da arvore, as imagens foram salvas!

![](Insira aqui a descrição dessa imagem para ajudar na acessibilidade )