python分类分析--随机森林原理及案例

随机森林

1、什么是集成学习方法

集成学习通过建立几个板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，各独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。决策树过度拟合可以用剪枝或者集成学习方法的随机森林实现。

2、什么是随机森林

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多个决策树输出的类别的众数而定。例如，如果你训练了5个树，其中有4个树的结果是True，1个树的结果是False，那么最终投票结果就是True。
随机：
森林：包含多个决策树的分类器

3、随机森林的原理过程

随机：特值随机，训练集随机
随机森林算法根据下列算法而建造每棵树：
·用N来表示训练用例（样本）的个数，M表示特征数目。
    。1、一次随机选出一个样本，重红N次。《随机有放回的抽取，有可能出现重复的样本）
    。2、随机去选出m个特征，m << M，建立决策制，每棵树有m个特征。
·采取bootstrap抽样 《随机有放回的抽样》   

4、为什么采取bootstrap抽样

为什么要随机推样训练？

• 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一样

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，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。

5、python实现随机森林的接口

· class sklearn.ensemble.RandomForestClassifier(n_estimators=10,criterion='gini',max_depth=None,bootstrap=True,random_state=None,min_samples_split=2)

随机森林分类器参数解释:

。n_estimators:integer，optional（default=10）森林里的树木数量100，150，300，...
。criteria:string，可选（default="gini"）分割特征的测量方法"entropy"、"gini"
。max_depth:integer或None，可选（默认=无）树的最大深度5,8,15,25,30
。max_features="auto”，每个决策树的量大特征数量
    ·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_features.
。bootstrap:boolean，optional（default=True）是否在构建树时使用放回抽样\
。min_samples_split：节点划分最少样本数
。min_samples_leaf：叶子节点的最小样本数

·其中超参数有：n_estimator，max_depth，min_samples_split，min_samples_leaf

6、应用总结

在当前所有分类算法中，具有极好的准确率

能够有效地运行在大数据集上，处理具有高维特征的输入样本，而且不需要降维

能够评估各个特征在分类问题上的重要性

7、案例：随机森林对泰坦尼克号乘客的生存进行预测

import pandas as pd

'''1 获取数据'''
path = "http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt"
titanic = pd.read_csv(path)

	row.names	pclass	survived	name	age	embarked	home.dest	room	ticket	boat	sex
0	1	1st	1	Allen, Miss Elisabeth Walton	29.0000	Southampton	St Louis, MO	B-5	24160 L221	2	female
1	2	1st	0	Allison, Miss Helen Loraine	2.0000	Southampton	Montreal, PQ / Chesterville, ON	C26	NaN	NaN	female
2	3	1st	0	Allison, Mr Hudson Joshua Creighton	30.0000	Southampton	Montreal, PQ / Chesterville, ON	C26	NaN	(135)	male
3	4	1st	0	Allison, Mrs Hudson J.C. (Bessie Waldo Daniels)	25.0000	Southampton	Montreal, PQ / Chesterville,