随机森林

【随机森林】是由多个【决策树】构成的，不同决策树之间没有关联。

特点

1. 可以使用特征多数据，且无需降维使用，无需特征选择。
2. 能够进行特征重要度判断。
3. 能够判断特征间的相关影响
4. 不容器过拟合。
5. 训练速度快、并行。
6. 实现简单。
7. 不平衡数据集、可平衡误差。
8. 特征遗失的数据，仍可以维持准确度。

支持平台

• scikit-learn
• Spark MLlib
• DolphinDB
• XGBoost

准确度

使用步骤

1. 随机抽样，训练【决策树】
2. 随机选属性，做节点分裂属性
3. 重复步骤2，直到不能再分裂。
4. 建立大量决策树、形成森林。

应用方向

• 分类 （对离散值的分类）
• 回归 （对连续值的回归）
• 聚类 （无监督学习聚类）
• 异常检测

参考

• https://easyai.tech/ai-definition/random-forest/