随机森林-sklearn.ensemble.RandomForestRegressor

随机森林回归：

class sklearn.ensemble.RandomForestRegressor(n_estimators=10, criterion=’mse’, max_depth=None,min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=’auto’, max_leaf_nodes=None,min_impurity_decrease=0.0, min_impurity_split=None, bootstrap=True, oob_score=False, n_jobs=1, random_state=None,verbose=0, warm_start=False)

随机森林是一种目标估计，通过对数据集上的部分样本形成一个分类决策树，并使用averaging去提高预测准确率和控制过拟合发生。

注：http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html

用法：

>>>from sklearn.ensemble import RandomForestRegressor

>>>data=[[0,0,0],[1,1,1],[2,2,2]]

>>>target=[0,1,2]

>>>rfr=RandomForestRegressor()

>>>rfr.fit(data,target)   #训练数据

>>>print(rfr.predict([[1,1,1]]))    #预测数据

[1.]

>>>print(rfr.predict([[1,1,1],[2,2,2]]))

[0.7  1.8]