暑期项目实训——07

股票趋势预测——随机森林算法（一）

今天我对随机森林算法进行了简单的了解。

随机森林：随机森林是一种机器学习的算法。学习随机森林算法之前我们要先了解决策树和集成学习的概念。

决策树：决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。常见的决策树算法有C4.5、ID3和CART。

集成学习：它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成单预测，因此优于任何一个单分类的做出预测。

随机森林是一个包含多个决策树的分类器， 其输出的类别是由个别树输出的类别的众数而定。也就是说，每棵决策树都是一个分类器（假设现在针对的是分类问题），那么对于一个输入样本，N棵树会有N个分类结果。而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出。这就是随机森林的算法思想。

因此我们可以采用随机森林算法对股票进行趋势预测，大致思路是：

1.提取预测股票的数据

2.选取特征

3.生成模型

4.运用模型进行预测