用Python实现机器学习：随机森林（接上篇）

本篇学习笔记接着上篇，还是总结用Python来实现随机森林。

使用fit()来估计上篇代码里生成的实例model，

model.fit(X_train,y_train)

使用model的oob_prediction属性，可得到袋外预测值（out-of-bag prediction），

pre_oob = model.oob_prediction_

使用sklearn的mean_squared_error()函数，可计算“袋外均方误差”(out-of-bag MSE)，

mean_squared error(y_train,pred_oob)

通过model的oob_score_属性，可得到袋外预测值的拟合优度

model.oob_score

使用score()方法，可计算测试集的拟合优度

model.score(X_test,y_test)

对比线性回归的测试集拟合优度

model = LinearRegression().fit(X_train,y_train)
	model.score(X_test, y_test)

（未完待续）