Python机器学习--集成学习算法--随机森林算法

随机森林算法类型

随机森林算法：属于集成学习算法 ，通俗点讲，就是将多颗决策树集合起来，就变成了随机森林。
随机森林包含了回归森林和分类森林，因此随机森林既可以解决分类问题，可以解决回归问题

集成学习算法

集成学习算法是通过训练多个学习器，然后把这些学习器组合起来，以达到更好的预测性能的目的。

集成学习算法的分类

• Bagging：弱学习器的生成没有先后顺序，可以进行并行训练，如果是分类任务，则预测结果为多个弱学习器的预测结果取众数，如果是回归任务，则预测结果会取多个学习器的平均值。
• Boosting:弱学习器的生成有先后顺序，后一个弱学习器是之前学习器的基础上训练的，预测结果为多个弱学习器预测结果之和。

随机森林原理

bagging + 决策树=随机森林
随机森林就是属于集成学习中Bagging类的算法，弱学习器类型全部都是决策树，很多树组合在一起就变成了森林。
bootstrap：随机有放回抽样，如果不进行随机抽样，每棵树的训练集都是一样的，最终训练出来的树分类结果将是完全一样的

随机森林构造过程

随机森林需要构建多棵树，而每一颗树的构建都需要遵循以下原则：

1. 从原始训练集（假设包含N个样本）随机有放回的抽取一个子集（n个样本，n
2. 基于该子集，从原始特征（假设有M个特征）中随机选择m(m
3. 重复以上两步K次，即建立了K棵决策树。注意，这些树不需要进行剪枝。
4. 对于每一个测试样本，每棵决策树都会给出预测结果，基于简单的投票机制或者平均方法，给出最终预测结果。

随机森林特点

• 算法的性能好

• 算法的时间慢

  以时间和空间 换 效果

随机森林基于sklearn实现（回归森林与分类森林）

from sklearn.ensemble import RandomForestClassifter    # 随机森林分类树
from sklearn.ensemble import RandomForestRegressor    # 随机森林回归树
# 实例化
rf = RandomForestClassifter()
#参数：n_estimators：建立多少棵树，默认是100
# random_state=1：随机种子

# 拟合
rf.fit(X_train, y_train)

# 查看准确率
score = rf.score(X_test, y_test)
print('准确率：', score)

# 查看训练集的准确率，用来判断是否过拟合
print('训练集准确率：', rf.score(X_train, y_train))

# 查看第几棵树
export_graphviz(rf[0],	# 查看第几棵树，只能一棵一棵看
			   out_file='文件名.dot'
			   )
# 查看输的方法
"""
1、在编辑器命令窗口进入代码所在文件夹下
2、输入dot -Tpng 文件名.dot -o 文件名.png
3、在该目录下查看生成png文件即可
"""