一、什么是集成学习方法
1、定义
集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测
谚语：三个臭皮匠顶个诸葛亮、众人拾柴火焰高
二、什么是随机森林
1、定义
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
森林：包含多个决策树的分类器
2、什么是众数
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
三、随机森林原理过程
1、如何随机
我们都是根据特征值和目标值进行预测的
我们面临的训练集是一致的，如何对同样的训练集去产生多棵树呢
两个随机：
训练集随机
特征随机
训练集：有N个样本，M个特征
2、训练集随机
bootstrap：随机有放回抽样
例子：[1, 2, 3, 4, 5]
新的树的训练集：
2, 2, 3, 1, 5\]，先抽到2，把2放回去，可能又抽到2，把2放回去，抽到3，把2放回去。。。以此类推 从N个样本中随机有放回的抽样N个 3、特征随机 从M个特征中随机抽取m个特征 M \>\> m 4、算法归纳 训练集：有N个样本，M个特征 （1）从N个样本中随机有放回的抽样N个 （2）从M个特征中随机抽取m个特征，并且M 要远远大于 m （3）M \>\> m，起到了降维的作用 5、为什么要这样做 因为笨的树都在乱蒙，聪明的树结果总是相同，最终会实现投票的众数结果是相对正确的 四、API 1、class sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion='gini', max_depth=None, bootstrap=True, random_state=None, min_samples_split=2) 随机森林分类器 n_estimators：设定要选几颗树，可选，默认=10，森林里的树木数量 120,200,300,500,800,1200 criterion：划分决策树的依据，可选，默认='gini'（基尼系数） max_depth：树的深度，可选，默认=None 5,8,15,25,30 bootstrap：可选，默认=True，是否在构建树时使用放回抽样 max_features；默认=auto，每个决策树的最大特征数量，从M个特征中选择m个特征 If "auto", then max_features=sqrt(n_features). If "sqrt", then max_features=sqrt(n_features) (same as "auto"). If "log2", then max_features=log2(n_features). If None, then max_features=n_features. 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 五、随机森林预测案例 1、代码 在前一篇决策树的代码后面加上： ```python # 随机森林对泰坦尼克号乘客的生存进行预测 from sklearn.ensemble import RandomForestClassifier # 实例化，和决策树用相同的参数 estimator = RandomForestClassifier(criterion='entropy',max_depth=8) estimator.fit(x, y) # 模型评估 # 方法1：直接比对真实值和预测值 y_predict = estimator.predict(m) print("y_predict：\n", y_predict) print("直接比对真实值和预测值：\n", n == y_predict) # 方法2：计算准确率 score = estimator.score(m, n) print("准确率为：\n", score) ``` 2、运行结果  回顾下： x是训练集的特征值，y是训练集的目标值，m是测试集的特征值，n是测试集的目标值 但是对比决策树的94%准确率，随机森林反而降低了 六、总结 1、在当前所有算法中，具有极好的准确率 2、能够有效地运行在大数据集上，处理具有高维特征的输入样本，而且不需要降维 3、能够评估各个特征在分类问题上的重要性