随机森林的优点

Author: Frank

随机森林是基于决策树的一种经典的机器学习方法，其由许多课决策树构成，这些决策树是根据带标签的样本数据建立而来。建立各个决策树时采用随机抽样的方法，即从全部标记样本中随机选出部分样本，然后使用这些样本的部分特征建立一课决策树。

对未标记样本做预测时，随机森林里的每一个决策树都需要预测出一个结果，然后综合考虑所有结果给出最终的预测。

随机森林的优点：

a. 对于很多数据集表现良好，精确度比较高，在kaggle等数据竞赛中一般情况下会有较好的表现；

b. 不容易发生过拟合；

c. 可以得到变量的重要性排序；

d. 既能处理离散型数据，也能处理连续型数据，且不需要进行归一化处理； 

e. 能够很好的处理缺失数据；

f. 容易并行化，实现相对简单。