用通俗易懂的方式剖析随机森林.pdfVIP

1决策树

在解释随机森林前，需要先提一下决策树。

纹理二?

上面的图片可以直观的表达决策树的规律。择好瓜的时候，我们首先要推断一个西瓜

的纹理，假如纹理很模糊，那么这个挂肯定是坏瓜；假如这个瓜的纹理略微模糊，就去推

断这个西瓜的触感怎么样。假如这个瓜的纹理比较清楚，那么接下来我们可以通过观看这

个瓜的各个部分比如根蒂、色泽以及触感去一步一步推断一个瓜的好坏。这个就是决策树

在分类问题中特别典型的例子。当决策树用于回归问题的时候，每个叶子节点就是一个一

个实数值。

2bagging集成

机器学习算法中有两类典型的集成思想：bagging和boosting.

bagging是一种在原始数据集J_,通过有放回抽样分别出k个新数据集,来训练分

类器的集成算法。分类器之间没有依靠关系。

随机森林属于bagging集成算法。通过组合多个弱分类器，集思广益，使得整体模型

具有较高的精确度泛化性能。

3随机森林

随机森林