隨機森林是一種集成學習方法，基本思想是把幾棵不同參數的決策樹（參考：Python+sklearn決策樹算法使用入門）打包到一起，每棵決策樹單獨進行預測，然后計算所有決策樹預測結果的平均值（適用于回歸分析）或所有決策樹“投票”得到最終結果（適用于分類）。在隨機森林算法中，不會讓每棵樹都生成最佳的節點，而是在每個節點上隨機選擇一個特征進行分裂。
擴展庫sklearn在ensemble模塊中提供了隨機森林分類器RandomForestClassifier和隨機森林回歸器RandomForestRegressor。本文重點介紹隨機森林分類器的用法，該類構造方法語法為
__init__(self, n_estimators=10, criterion='gini', 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, class_weight=None)
RandomForestRegressor類構造方法常用參數以及RandomForestRegressor類對象常用方法如下面的兩個表所示。
閱讀原文
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
