学习《机器学习100天》第25天 随机森林

github上的项目，跟着一起学习

项目地址    https://github.com/MLEveryday/100-Days-Of-ML-Code

随机森林：有监督  集成学习模型（建立很多决策树，再集成）  主要用于分类和回归

随机森林与决策树的区别：随机森林中，查找根节点和分割特征节点的过程是随机进行的。

决策树的构建方式：

    1. 随机选取数据：训练集N个样本，有放回的随机抽取n个

    2.特征的随机选取：样本有M个特征，随机选取其中的m个，将m个中最优的分裂特征用来分裂节点

随机森林的预测：

    1. 用每个决策树的规则来预测测试特征的结果

    2. 计算每个预测目标的票数

    3. 票数最高的作为最终结果