基本概念
随机森林是一种集合学习方法,就是把多个机器学习算法综合在一起,制造出一个更加大的模型
支持并行处理,可以调节n_jobs参数=-1
不适用超高维数据集、稀疏数据集
代码实现
#模型训练
from sklearn.ensemble import RandomForestClassifier
forest = RandomFroestClassifier(n_estimators=6, random_state=3)
forest.fit(X_train,y_train)
forest.predict()
#模型参数
bootstrap: 有放回抽样,这会让随机森林的每一颗决策树在构建时,彼此会因样本不同而产生差异
max_features: 控制所选择的特征数量最大值,默认最大特征数量
n_estimators: 随机森林中决策树的数量