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