随机森林1（了解整体知识架构）

很多人学习或者了解随机森林时，查到的资料都是先讲熵，再讲决策树，然后再讲随机森林，前面坚持不下来或者一个地方没理解透彻，导致后面理解不透彻，而且公式讲解不够清晰，例子不够详细，很难让小白彻底搞清楚到底是怎么回事。这里呢就先讲整体知识架构，然后再学习公式，最后带着大家一起算一个实际的场景应用，切身体会其计算过程。

一、随机森林宏观介绍

随机森林，顾名思义，用随机的的方式构建森林，森林是由树组成的，而随机森林的树就是决策树。为什么认为多个决策树结果比一个决策树结果好呢？大家可以理解为三个臭皮匠顶上一个诸葛亮。这里还要说其他只讲公式博客中忽略的地方，有四点增加大家对随机森林的理解：

1、从样本中Bagging（有放回）选出一份数据集画一棵树，多棵树就要选多次数据集；

2 、确定节点选择哪个属性划分时，如果属性数量较多，需要先从所有属性中随机选出一些属性，然后从这些属性中选出最优，随机森林中的随机指的就是这里，使决策树的多样性不仅来自于样本的选择，也来自于属性的选择；

3 、最终结果由所有决策树投票决定，没涉及到权重（如图 1-1）；

4 、建树的数量由多种因素决定，比如数据集大小、计算资源等，一般来说在几十到一千之间；

图 1-1

二、决策树宏观介绍

决策树很好理解，就是根据判断条件形成一个树状结构，对结果进行判断，比如图 2-1就是顾客是否会买裤子的决策树模型。构建决策树的重点在于如何选择根节点和内部节点，根节点对应图2-1中的材料，内部节点对应图2-1中的裤型、尺寸、价钱。

图 2-1

决策树的发展主要经过了三个阶段，这三个阶段本质区别就是如何选择下一个内部节点。这三个阶段分别是：

1 、用信息增益选择下一个内部节点，代表算法是 ID3；

2 、用信息增益率选择下一个内部节点，代表算法是 C4.5；

3 、用基尼指数选择下一个内部节点，代表算法是 CART；

目前，随机森林中的决策树都是根据基尼指数来构建的。

三、随机森林四种实现方法

随机森林是常用的机器学习算法，既可以用于分类问题，也可用于回归问题。本文对 scikit-learn、Spark MLlib、DolphinDB、XGBoost 四个平台的随机森林算法实现进行对比测试。评价指标包括内存占用、运行速度和分类准确性。

测试结果如下：

随机森林 2（决策树）-CSDN博客文章浏览阅读324次，点赞5次，收藏9次。通过的介绍，相信大家对随进森林都有了一个初步的认知，知道了随机和森林分别指的是什么，以及决策树根据什么选择内部节点。本文将会从森林深入到树，去看一下决策树是如何构建的。网上很多文章都讲了决策树如何构建，但在我看来不够生动形象，不够深入，希望此文能够让你彻彻底底了解决策树以及公式的含义。https://blog.csdn.net/u014182497/article/details/135077805