集成学习方法之随机森林

╰+攻爆jí腚メ 2022-12-29 04:48 103阅读 0赞

### 集成学习方法之随机森林 ###

*  什么是集成学习方法
 *  什么是随机森林
 *  随机森林原理过程
 *   *  为什么采用BootStrap抽样
 *  API
 *  总结

# 什么是集成学习方法 #

`集成学习`通过建立几个模型组合的来解决单一预测问题。它的工作原理是**生成多个分类器/模型**，各自独立地学习和作出预测。**这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。**

# 什么是随机森林 #

在机器学习中，**随机森林是一个包含多个决策树的分类器**，并且其输出的类别是由个别树输出的类别的众数而定。

例如，如果你训练了5个树，其中有4个树的结果是`True`，1个数的结果是`False`，那么最终投  
票结果就是`True`

# 随机森林原理过程 #

学习算法根据下列算法而建造每棵树：

*  用N来表示训练用例(样本)的个数，M表示特征数目。
    
     *  一次随机选出一个样本，重复N次， (有可能出现重复的样本)
     *  随机去选出m个特征，m<<M，建立决策树
 *  采取bootstrap抽样

## 为什么采用BootStrap抽样 ##

*  为什么要随机抽样训练集？
    
     *  如果不进行随机抽样，每棵树的训练集都一样，那么最终训练出的树分类结果也是完全一样的
 *  为什么要有放回地抽样?
    
     *  如果不是有放回的抽样，那么每棵树的训练样本都是不同的，都是没有交集的，这样每棵树都是“有偏的”，都是绝对“片面的”(当然这样说可能不对)，也就是说每棵树训练出来都是有很大的差异的；而随机森林最后分类取决于多棵树(弱分类器)的投票表决

# API #

*  `class sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion='gini', max_depth=None, bootstrap=True, random_state=None, min_samples_split=2)`
    
     *  随机森林分类器
     *  `n_estimators:integer, optional (default= 10)`森林里的树木数量 120,200,300,500,800,1200
     *  `criteria：string`，可选(`default='gini'`) 分割特征的测量方法
     *  `max_depth：integer或None`，可选(默认=无)树的最大深度 5,8,15,25,30
     *  `max_features="auto"`,每个决策树的最大特征数量
        
         *  `If “auto", then max_features=sqrt(n_features)`
         *  `If "sqrt", then max_features=sqrt(n_features)(same as "auto")`
         *  `If "log2”, then max_features=log2(n_features)`
         *  `If None, then max_features=n_features`
     *  `bootstrap：boolean, optional (default = True）`是否在构建树时使用放回抽样
     *  `min_samples_split`:节点划分最少样本数
     *  `min_samples_leaf`:叶子节点的最小样本数
 *  超参数：n`_estimator, max_depth,min_samples_split,min_samples_leaf`

# 总结 #

*  在当前所有算法中，具有极好的准确率
 *  能够有效地运行在大数据集上，处理具有高维特征的输入样本，而且不需要降维
 *  能够评估各个特征在分类问题上的重要性