有大神對隨機森林回歸分析了解嗎？
我在嘗試用scikit_learn里的隨機森林回歸模型randomforestregression()來建模。在對原始數(shù)據(jù)做了一些處理后，應(yīng)用到隨機森林回歸模型的數(shù)據(jù)大致如下圖所示。

這只是數(shù)據(jù)的一小部分，實際數(shù)據(jù)有6000條左右。
第一列是datetimeindex類型，表中所有信息都在一個我所創(chuàng)建的DataFramefinal_data里。col4的數(shù)據(jù)一開始為字符串，我用了pandas里的map 函數(shù)把它們轉(zhuǎn)化成了數(shù)字。

import pandas as pd
from datetime import datetime     
from sklearn.cross_validation import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import r2_score

S_dataset1= final_data[(final_data.index >=pd.to_datetime('20160403')) & 
(final_data.index <= pd.to_datetime('20161002'))]

S_dataset2= final_data[(final_data.index >=pd.to_datetime('20170403')) & 
(final_data.index <= pd.to_datetime('20170901'))]

W_dataset = final_data[(final_data.index >=pd.to_datetime('20161002')) & 
(final_data.index <= pd.to_datetime('20170403'))]

S_dataset = pd.concat([S_dataset1,S_dataset2])
A = W_dataset.iloc[:, :8]
B = W_dataset.loc[:,'col20'] 
W_data = pd.concat([A,B],axis = 1)
X = W_data.iloc[:,:].values
y = W_dataset['col9'].values
X_train,X_test,y_train,y_test= train_test_split(X,y,test_size=0.3,
                                        random_state=1)
forest = RandomForestRegressor(n_estimators = 1000,criterion='mse',
                                      random_state=1,n_jobs=-1)
forest.fit(X_train, y_train)
y_train_pred = forest.predict(X_train)
y_test_pred = forest.predict(X_test)
print('R^2 train: %.3f, test: %.3f' % (r2_score(y_train, y_train_pred),
                                   r2_score(y_test, y_test_pred)))
                                   

以上是我預(yù)測col9的代碼。為了是預(yù)測更準確些，我把final_data按照時間分成了兩個季節(jié)?？墒钱斘野褦?shù)據(jù)放到模型里后，得到的記過很差。訓(xùn)練集R2的得分在0.9左右，測試集只有0.25左右。我不太懂為什么我會得到一個如此差的結(jié)果。。懇請對隨機森林回歸的大神指點一下，我是錯在哪里?該如何提高模型的準確度？非常感謝！