我正在使用以下數(shù)據(jù)集進行 Kaggle 比賽：https : //www.kaggle.com/c/home-data-for-ml-course/download/train.csv根據(jù)該理論，通過增加隨機森林模型中估計量的數(shù)量，平均絕對誤差只會下降到某個數(shù)字（最佳點），進一步增加會導(dǎo)致過度擬合。通過繪制估計量的數(shù)量和平均絕對誤差，我們應(yīng)該得到這個紅色圖表，最低點標志著估計量的最佳數(shù)量。我嘗試使用以下代碼找到最佳估計器數(shù)量，但數(shù)據(jù)圖顯示 MAE 不斷下降。我做錯了什么？train_data = pd.read_csv('train.csv')y = train_data['SalePrice']#for simplicity dropping all columns with missing values and non-numerical valuesX = train_data.drop('SalePrice', axis=1).dropna(axis=1).select_dtypes(['number'])X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)mae_list = []for n_estimators in range(10, 800, 10):    rf_model = RandomForestRegressor(n_estimators=n_estimators, random_state=0, n_jobs=8)    rf_model.fit(X_train, y_train)    preds = rf_model.predict(X_test)    mae = mean_absolute_error(y_test, preds)    mae_list.append({'n_est': n_estimators, 'mae': mae})#plotting the resultsplt.plot([item['n_est'] for item in mae_list], [item['mae'] for item in mae_list])