随机森林
什么是随机森林?
在讲解随机森林之前,首先我们要了解什么叫集成学习
集成学习
集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/模型,各自独立地学习和作出预测。这些预测最后结合成单预测,因此优于任何一个单分类的做出预测。
随机森林
在机器学习中,随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。
小编觉得随机森林就是投票思想,少数服从多数,根据多数的判断为依据
举例
例如, 如果你训练了5个树, 其中有4个树的结果是True, 1个数的结果是False, 那么最终结果会是True.
随机森林建立多个决策树的过程
假设,现有数据集拥有N个样本,M个特征
每颗树的建立过程:
- 输入特征数目m,用于确定决策树上一个节点的决策结果;其中m应远小于M。
- 从N个训练用例(样本)中以有放回抽样的方式,取样N次,形成一个训练集(即bootstrap取样),并用未抽到的用例(样本)作预测,评估其误差。
为什么要随机抽样训练集?
如果不进行随机抽样,每棵树的训练集都一样,那么最终训练出的树分类结果也是完全一样的
为什么要有放回地抽样?
如果不是有放回的抽样,那么每棵树的训练样本都是不同的,都是没有交集的,这样每棵树都是“有偏的”,都是绝对“片面的”(当然这样说可能不对),也就是说每棵树训练出来都是有很大的差异的;而随机森林最后分类取决于多棵树(弱分类器)的投票表决。
知识储备
随机森林API
class sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion=’gini’,max_depth=None, bootstrap=True, random_state=None)
- n_estimators:integer,optional(default = 10) 森林里的树木数量120,200,300,500,800,1200
- criteria:string,可选(default =“gini”)分割特征的测量方法
- max_depth:integer或None,可选(默认=无)树的最大深度 5,8,15,25,30
- bootstrap:boolean,optional(default = True)是否在构建树时使用放回抽样
- max. features=“aub”,每个决策树的最大特征数量
If "auto, then ‘max_features=sqrt(n_features)’
If “sqrt, then 'max _features=sqrt(n_features)” (same as “auto”)
If “log2”, then 'max_features =log2(n_features).
If None, then ‘max_features=n_feotures’
代码演示
随机森林的超参数:
- n_es