10、python随机森林代码案例

目录

1 概念

2 优点

3 理论方法

4、代码完整案例

---

1 概念

随机森林：随机森林是包含多个决策树的分类器，并且其输出类别是由个别树输出的类别的众数而定

决策树见案例：https://blog.csdn.net/qq_36327687/article/details/84944850

2 优点

01 适合离散型和连续型的属性数据

02 对海量数据，尽量避免了过度拟合的问题

03 对高纬度的数据，不会出现特征选择困难的问题

04 实现简单，训练速度快，适合进行分布式计算

3 理论方法

# 随机森林生成方法：

rfcModel=RandomforestClassifier(

        n_estimators=10,
        max_leaf_nodes=None
        )
        
 n_estimators 森林中树的个数，默认值为10
 
 max_leaf_nodes 统一设置树中最大的叶子节点数
 
# 随机森林训练以及预测方法

rfcModel.fit(featureData,targetData)

featureData  特征数据

targetData  目标数据

 rfcModel.predict(featureData)
 
 featureData