本文详细介绍了随机森林算法，包括其训练过程、预测过程、特征重要性度量和选择，以及该算法的优势。随机森林是一种基于多棵决策树的分类器，适用于高维数据，能评估特征重要性，并具有很好的泛化能力。文章还提供了sklearn库的代码实现示例。
简介
随机森林指的是利用多棵树对样本进行训练并预测的一种分类器。它是由多棵CART(Classification And Regression Tree)构成的。对于每棵树，其使用的训练集是从总的训练集中有放回采样出来的，这意味着总训练集中有些样本可能多次出现在一棵树的训练集中，也可能从未出现在一棵树的训练集中。在训练每棵树的节点时，使用的特征是从所有特征中按照一定比例随机地无放回的抽取的，假设总的特征数是
M,则这个比例可以是 (√M),12(√M),2(√M)
机器学习算法总结--随机森林
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
