Bagging:使用随机取样的方式包括在特征空间 随机取特征这样的方式来创建诸多的子模型来集成在一起这种方式就叫做Bagging
我们使用了基础分类器
Base Estimator:Decision Tree,就是基础的评估算法就是决策树
我们集成学习就相当于集成了成百上千的决策树
对于这样一个集成学习的模型通常有一个更形象的名字:随机森林
因为我们有很多书,每棵树都是随机取样形成的具有随机性就是随机森林
只要我们Base Estimator是Decision Tree都可以叫做决策森林
sk-learn为我们封装了随机森林的类
它提供了更多的随机性:决策树在节点上,在随机的特征子集上寻找最优划分特征