一、随机森林算法
随机森林算法 是基于 Bagging 思想实现的一种集成学习算法（代表算法 ），采用决策树模型作为每一个弱学习器。
二、随机森林构建过程
- 1.训练
- 1.1有放回抽样m条数据 1.2随机选取k个特征
- 3.重复1-3步，训练n个
- 4.平权投票
- 2.训练弱学习器
- 决策树模型
- 默认CART树
- 决策树模型
三、API实现
sklearn.ensemble.RandomForestClassifierDay22_【机器学习—集成学习（2）—Bagging—随机森林算法】
l12345sy2025-09-07 13:08
相关推荐
先吃饱再说21 小时前
判断回文字符串，从一行代码到双指针优化拾年2751 天前
大模型的"聪明"从哪来？聊聊 AI 数据集的那些事儿黄敬峰1 天前
深入理解算法核心：从递归思想、数组扁平化到快速排序得物技术1 天前
从狂野代码到按目标生产：得物推荐 AI Harness 的工程化实践｜AICon 演讲整理AI小老六1 天前
SkillOpt 架构拆解：把 Skill 文本当参数，用执行轨迹训练 Agent胡萝卜术1 天前
从“分数打架”到“排名投票”：为什么你的ChatBI必须用RRF？Asize1 天前
初识DFS 与 BFS：递归、队列与图遍历罗西的思考2 天前
机器人 / 强化学习】HIL-SERL：人类在环驱动的具身智能进化框架ShallWeL2 天前
【机器学习】（3）—— 线性回归：梯度下降