扫码加入数据分析学习群

机器学习【五】随机森林

涉及内容：

简介————是一种集合学习算法，可以用于分类，也可以用于回归、可解决过拟合问题

随机森林构建 ————bootstrap 、max_features、n_estimators、图形看看随机分类的表现

实战：判断月薪是否>5万————载入数据集、用get_dummies处理数据、用决策树建模并预测

额外功能：在数据集中对数据特征的重要性进行判断————可以通过这两个算法对高维数据进行分析，在诸多特征中保留最重要的，也便于对数据降维处理

优点：

• 不要求对数据预处理

• 集成决策树所有优点，弥补了不足

• 支持并行处理【实现方式是n_jobs参数，记得此参数要和cpu内核数一致，多了无意义，n_jobs=-1，使用全部内核】

• 注意随机森林生成每棵树的方法是随机的，不同的random_state会导致模型完全不同，要固化其值

缺点：

• 对于超高维数据集、稀疏数据集，线性模型更好

• 更消耗内存，速度慢，若要省内存+时间，用线性模型