【机器学习】Random Forest(随机森林)入门和实战（三）什么时候使用

一句话

你不知道用什么模型的时候就用RF。

优点

1. 万金油。只要是分类，回归问题，都能一股脑的用它。
2. 操作简单。不可否认神经网络的效果比它好，但是神经网络要疯狂调参啊，一调就是好几天，你见过像RF这么乖巧，耐操，就几个参数就搞定的么。
3. 效果好。因为本质上是用了很多不同模型的Tree。总有一些树蒙对，所以不管是什么问题，运行出来的效果不会太差。

缺点

1. 内存消耗高。种几百颗树，没有十几亩“地”不行。
2. 容易过拟合。
3. 过程黑箱。操作简单的副作用就是控制的参数太少，调整的余地不大，过程完全黑箱。

参考资料

• #源代码#随机森林算法和原理介绍及代码实现
• 说说随机森林

我的相关文章

• 【机器学习】Random Forest(随机森林)入门和实战（一）先写个项目
• 【机器学习】Random Forest(随机森林)入门和实战（二）它是个什么东西（What）