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
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:
- 样本的随机性