【Mathematical Model】基于Python实现随机森林回归算法&特征重要性评估&线性拟合

        前段时间在做遥感的定量反演，所以研究了一下回归算法，由于之前发的几篇博文都是定义好基础方程进行拟合的，不太满足我的需求。所以研究了一下随机森林回归的算法，之前使用随机森林都是做分类，这次做了回归算法也算是补全了RF算法的空缺了。今天抽空给大家分享一下使用Python实现随机森林回归算法，同时将特征重要性和拟合结果进行可视化。

原创作者：RS迷途小书童

博客地址：https://blog.csdn.net/m0_56729804?type=blog

        随机森林回归算法是由美国科学家Leo Breiman在2001年提出的一种集成学习方法。它通过构建多棵决策树（CART回归树）并将它们的预测结果进行平均或投票，以得出最终的预测结果。随机森林回归模型由多棵回归树构成，且森林中的每一棵决策树之间没有关联，模型的最终输出由森林中的每一棵决策树共同决定。

随机森林的随机性主要体现在两个方面：

1. 样本的随机性