随机森林算法python代码_随机森林算法

集成学习方法包括bagging和boosting法，随机森林是基于bagging框架的决策树模型，本文详细的总结了随机森林算法，尽可能的让大家对随机森林有一个全面的认识。
目录:

1. 随机森林的算法流程
2. 随机森林的应用场景
3. 随机森林的相关性理解
4. 随机森林蕴含的思想
5. 随机森林的模型评估方法
6. 总结

随机森林的算法流程

随机森林是基于bagging框架下的决策树模型，随机森林包含了很多树，每棵树给出分类结果，每棵树的生成规则如下:

(1) 如果训练集大小为N,对于每棵树而言，随机且有放回地从训练中抽取N个训练样本，作为该树的训练集，重复Ｋ次，生成K组训练样本集。
(2) 如果每个特征的样本维度为M,指定一个常数m<(3) 利用m个特征对每棵树尽最大程度的生长，并且没有剪枝过程。

随机森林的分类算法流程如下图:

随机森林的应用场景

吴恩达老师在《机器学习》公开课讲过，如何