隨機森林

【隨機森林】是由多個【決策樹】構成的，不同決策樹之間沒有關聯。

特點

1. 可以使用特征多數據，且無需降維使用，無需特征選擇。
2. 能夠進行特征重要度判斷。
3. 能夠判斷特征間的相關影響
4. 不容器過擬合。
5. 訓練速度快、並行。
6. 實現簡單。
7. 不平衡數據集、可平衡誤差。
8. 特征遺失的數據，仍可以維持准確度。

支持平台

• scikit-learn
• Spark MLlib
• DolphinDB
• XGBoost

准確度

使用步驟

1. 隨機抽樣，訓練【決策樹】
2. 隨機選屬性，做節點分裂屬性
3. 重復步驟2，直到不能再分裂。
4. 建立大量決策樹、形成森林。

應用方向

• 分類 （對離散值的分類）
• 回歸 （對連續值的回歸）
• 聚類 （無監督學習聚類）
• 異常檢測

參考

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