ランダムフォレスト分類器の最適なパラメーターは何ですか？

現在、バイナリ分類問題のためにMATLABでRFツールボックスを使用しています

データセット：50000サンプルと250を超える機能

それで、木を成長させるために、各分割で木とランダムに選択された特徴の数は何ですか？他のパラメータは結果に大きく影響しますか？

多数の木、たとえば100本を選びます。インターネットで読んだものから、選びます$\sqrt{250}$$\frac{\log{M}}{\log{2}}$

通常、相互検証は最適なパラメーターを見つけるための鍵ですが、ランダムフォレストについては十分に知りません。

木の数が多いほど良い。このパラメーターでほとんどオーバーシュートすることはできませんが、もちろん上限はRFに費やす計算時間に依存します。
良いアイデアは、最初に長いフォレストを作成し、次にOOBの精度が収束するタイミングを確認することです（MATLAB実装で利用できることを望みます）。

試行された属性の数のデフォルトは、属性の整数の平方根ですが、通常、フォレストはこのパラメーターの値についてあまり敏感ではありません-実際、RFの確率的側面により大きな変動が生じる可能性があるため、実際には最適化されることはほとんどありません。

木の数が多ければ多いほど良い：同意した。

試行される属性の数は異なります。情報が機能間で広がっているかどうかについて、アプリオリがすでにある場合。情報が多くの機能で共有されている場合、そのパラメーターの値が小さいほど、より良い結果が得られます。一方、少数の機能のみが情報を保持している場合は、より大きな値を使用する必要があります。言い換えると、関連する変数が多い場合、値が小さいほど適切であり、無関係な変数が多い場合、値が大きいほど優れています。