隨機森林演算法是通過訓練多個決策樹，綜合多個樹的結果進行投票，從而實現分類。
1. 生成單棵決策樹：
2. 生成t顆決策樹：
3. **部分：
4 其他
sklearn
randomforestclassifier(n_estimators=
100)
隨機森林中需要訓練多個樹，所以決策樹有的引數它也有。
n_estimators：rf中獨有的引數，森林中樹木的數量，這個越大，模型效果往往越好。但是達到一定值後，精確性會開始波動，並且越大需要的計算量和記憶體也就越大；
屬性：estimators：樹的情況
oob_score_：out of bag；預設為false；在使用隨機森林時，我們可以不劃分測試集和訓練集，只需要用袋外資料來測試模型即可，但當樣本量 n 和n_estaimators都不夠大時，很可能沒有ouf_of_bag
feature_importances_：特徵的重要性；在建樹的過程中，有的特徵是沒有被用到的；數越大表示越重要
優點：
缺點：
1. 填補缺失值
參考引用鏈結：
隨機森林演算法原理 機器學習演算法 隨機森林
隨機森林是一種通用的機器學習方法，能夠處理回歸和分類問題。它還負責資料降維 缺失值處理 離群值處理以及資料分析的其他步驟。它是一種整合學習方法，將一組一般的模型組合成乙個強大的模型 我們通過適用隨機的方式從資料中抽取樣本和特徵值，訓練多個不同的決策樹，形成森林。為了根據屬性對新物件進行分類，每個數都...
機器學習 隨機森林
opencv包含隨機森林 random forest 類，隨機森林可以通過收集很多樹的子節點對各個類別的投票，然後選擇獲得最多投票的類別作為判斷結果。通過計算 森林 的所有子節點上的值的平均值來解決回歸問題。隨機森林包含隨機選擇的一些決策樹。隨機森林建立時的基本子系統也是決策樹，在建立決策樹時會一直...
機器學習 隨機森林
以下內容均為個人理解，如有錯誤，歡迎指出 如何生成隨機森林基學習器的訓練資料集 隨機 的含義 bagging整合學習的評測方法 隨機森林的引數 以下內容摘自周志華老師的 機器學習 隨機森林是bagging的乙個擴充套件變體，它在以決策樹為基學習器構建的bagging整合的基礎上，進一步在決策樹的訓練...