--随机森林--

随机森林 

随机森林：多棵决策树构建而成，每一棵决策树都是上一篇文章中的决策树的原理，只是“随机森林”将其集成（ensemble）到了一起，因此，随机森林是一种“集成算法”

随机森林API 

随机森林API：class sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion='gini', max_depth=None, booststrap=True, rangdom_state=None)

• n_estimators：integer，optional（default=10），森林中树木的数量
• criterion：string，可选（default='gini'）分割特征的测量方法，也可选用entropy，上一篇中有写到两者计算方法略有不同，但是效果类似
• max_depth：integer或None，可选，默认为“None”，树的最大深度
• bootstrap：boolean，optional（default=True），是否在构建树时使用放回抽样

随机森林优点

• 准确率高
• 不会过拟合
• 适用于大数据集，较常用

随机森林实操

import