weixin_43499818的博客

随机森林（Random Forest）算法原理集成学习（Ensemble）思想、自助法（bootstrap）与bagging**集成学习（ensemble）**思想是为了解决单个模型或者某一组参数的模型所固有的缺陷，从而整合起更多的模型，取长补短，避免局限性。随机森林就是集成学习思想下的产物，将许多棵决策树整合成森林，并合起来用来预测最终结果。首先，介绍自助法（bootstrap），这个奇怪的名字来源于文学作品 The Adventures of Baron Munchausen（吹牛大王历

随机森林算法的理论知识　　随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，但是它在分类和回归上表现出非常惊人的性能，因此，随机森林被誉为“代表集成学习技术水平的方法”。一，随机森林的随机性体现在哪几个方面？1，数据集的随机选取　　从原始的数据集中采取有放回的抽样（bagging），构造子数据集，子数据集的数据量是和原始数据集相同的。不同子数据集的元素可以重复，同一个子数据集中的元素也可以重复。2，待选特征的随机选取　　与数

在pycharm中导入anaconda的库下载anaconda后会发现它同时下载了许多的库，在spyder中可以正常使用，但在pycharm中会发现显示没有，用pip下载也会显示已有，以下是导入方法：打开pycharm然后选择anaconda这个如果没有，选择右上角设置，add,点ok添加(我的已有不能再添加)改变以后如果没有导入所有库，点击右边的anaconda图标（一次没有完全导入就再点一次）这时这个文件就可以使用这些库了如果还需要别的库，点击右边的加号，搜索下载即可...