机器学习方法篇(10)------随机森林
● 每周一言
因年龄增长所带来的理解力，与努力无关。
导语
前面介绍了决策树算法应用之一的GBDT模型，本节讲讲决策树另一个比较火的应用模型，随机森林。与GBDT模型相比，同样属于集成学习，随机森林模型的原理更为直观简洁，性能也同样十分强悍。那么，随机森林算法模型的原理与思想是怎样的？
随机森林
所谓多树成林，Random forests（或者Random decision forests）随机森林，顾名思义由多棵决策树构成，这些决策树都是CART（Classification And Regression Tree）分类或回归树。
随机森林的算法核心思想有二： 采样 和 完全分裂。 采样又分为行采样和列采样，这里的行与列对应的就是样本与特征。 完全分裂指的是决策树每一次分裂扩展节点时，能分裂必须分裂，分裂依据可以是信息增益或者增益率（具体可参见 机器学习方法篇(3)——决策树入门）。
对于行采样，模型从M条数据集中随机采样m条数据，一般情况下m取M的平方根大小，分别作为每一棵决策树的训练集。行采样保证了每棵决策树使用的训练集各不相同，这在一定程度上抑制了over-fitting问题。
对于列采样，每一棵决策树都从M个特征中随机挑选m个特征作为节点分裂特征来计算，一般情况下m也取M的平方根大小。列采样具体又分为两种方式，一种是全局列采样，即同一棵树的建树过程均采用同一批采样特征；另一种是局部列采样，即每一次节点分裂的时候均单独随机挑选m个特征进行扩展。列采样进一步保证了随机森林不会出现over-fitting问题。
随机森林的最终输出由每一棵决策树的结果共同决定。如果是分类树则通过投票产生最终分类，如果是回归树则取所有结果的平均值。敬请期待下节内容。
结语
感谢各位的耐心阅读，后续文章于每周日奉上，敬请期待。欢迎大家关注小斗公众号 对半独白！
