《Python AI 机器学习·深度学习》笔记-葡萄酒评级（集成学习-随机森林）

本文包含作者认为的文章重点、探索及思考。

一、分析问题 

 根据前述机器学习的基本步骤，尝试分析葡萄酒评级问题：

（1）制定目标—— 根据11个葡萄酒成分指标分析其品质
（2）收集数据—— UCI提供的Wine Quality开源数据集（UCI Machine Learning Repository）

（3）数据预处理—— 将数据集中的数据 1. 分离成数据部分+标签部分 2. 分成训练集和测试集
（4）学习数据
    •（4-1）选择机器学习的方法—— 集成学习中的随机森林

随机森林（Random Forest）是一种集成学习算法，它通过结合多个决策树来进行分类和回归任务。随机森林的主要思想是通过构建多个决策树，并对它们的预测结果进行集成，从而提高模型的准确性和鲁棒性。

Q1：为什么选择集成分类器处理此葡萄酒评级问题？

A1：此问题是一个非线性、非文本数据、数据维度高，所以可以采用SCV或者集成分类器来解决。而根据数据集可以看出，此数据集有以下特征：

        1）特征维度高：11个特征

<