随机森林分类器

随机森林分类器

• 1、随机森林
• 2、基本思想
• 3、随机森林的生成
• 4、随机森林参数与评价
• • 4.1 特征数量m的选择
  • 4.2 决策树的数量
• 5、随机森林的优点
• 6、实战：随机森林实现iris数据集分类

1、随机森林

  随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树。想象组合分类器中的每个分类器都是一棵决策树，因此，分类器的集合就是一个“森林”。更准确地说，每一棵树都依赖于独立抽样，并与森林中所有树具有相同分布地随机向量值。

  随机森林是利用多个决策树对样本进行训练、分类并预测地一种算法，主要应用于回归和分类场景。在对数据进行分类地同时，还可以给出各个变量地重要性评分，评估各个变量在分类中所起地作用。分类时，每棵树都投票并且返回得票最多的类。