day08——随机森林

一、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

二、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。
  1、一次随机选出一个样本，重复N次（有可能出现重复的样本）
  2、随机去选出m个特征, m <
• 采取bootstrap抽样

三、BootStrap抽样

抽样是指从一个样本数据集中随机抽取一些样本，形成新的数据集。这里有两种选择：有放回抽样和无放回抽样。Bootstrap使用的是有放回抽样。

1，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。

2，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，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。

四、API

# n_estimators：integer，默认 10）森林里的树木数量
# 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
"""
max_features="auto”，每个决策树的最大特征数量
Auto/None：简单地选取所有特征，每颗树都可以利用他们。这种情况下，每颗树都没有任何的限制。
sqrt：此选项是每颗子树可以利用总特征数的平方根个。 例如，如果变量（特征）的总数是100，所以每颗子树只能取其中的10个。
log2：另一种和 sqrt 相似类型的选项。
"""
# bootstrap：boolean，（默认 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
class sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion=’gini’, max_depth=None, bootstrap=True, random_state=None, min_samples_split=2)

其中，n_estimator, max_depth, min_samples_split,min_samples_leaf 是超参数，以下是随机森林的超参数的代码演示

# 随机森林去进行预测
rf = RandomForestClassifier()
param = {"n_estimators": [120,200,300,500,800,1200], "max_depth": [5, 8, 15, 25, 30]}

# 超参数调优
gc = GridSearchCV(rf, param_grid=param, cv=2)
gc.fit(x_train, y_train)

print("随机森林预测的准确率为：", gc.score(x_test, y_test))