机器学习中Random Forest 随机森林小结（5步算法，11个优缺点，例子演示解决Kaggle高频竞赛题泰坦尼克沉船）
目录一、基础介绍二、优缺点分析优点缺点三.如何建立随机森林？四、怎样使用随机森林？1）了解数据2.数据预处理3）使用模型4）评估5）解释模型五、怎样决定模型的参数？--网格搜索六、总结一、基础介绍们将探索决策树，并且拓展它到随机森林。这种类型的模型，和我们之前见过的线性和逻辑回归不同，他们没有权重但是有很好的可解释性。随机森林属于集成学习中的Bagging方法。由多个随机树构成，然后通过投票共同学