集成学习：随机森林

目录

一、随机森林

二、随机森林的优缺点

三、鸢尾花数据集随机森林实战

一、随机森林

随机森林（Random Forest, RF）是一种集成学习方法中的一个变种。它基于Bootstrap aggregating (Bagging)的思想构建，在构建基模型时引入了属性随机选择机制。传统的决策树模型在生成基模型时通常会从样本的所有d个特征中选择最优特征进行分割；而RF算法则通过从全部特征中随机抽取K个作为候选集，在这些候选属性中选出最优的一个进行分割操作。一般而言，

。

Random forest and decision tree differ in that RF has two random attributes. One of the random attributes is the random selection of samples, which is similar to bagging, using a replacement method to randomly select m data points