【机器学习】Random Forest(随机森林)入门和实战（二）它是个什么东西（What）

我对机器学习模型的学习方法分为三点：学会如何使用（how），扫盲式的了解它是个什么东西（What）,以及什么时候使用（when）。

定义

RF是用来处于 分类 问题和 回归 问题的通用性模型，属于 集成学习（Ensemble） 的一种。（什么是集成学习？画上问号，后几篇文章解释）

关键词

森林

我知道你想的是这样：

没错就是这样，所以核心就是每棵树：
- 是什么：不同模型的决策树 （Decision Tree）(这是什么？以后解释，不影响现在理解。)
- 有什么用：每棵树都从训练总体样本M中随机抽取m个样本进行决策，得到决策结果。

随机

每科树都是从训练总体样本M中随机抽取m个样本。

结果处理

由于每棵树所用模型都不同，所以树们的结果有好有坏，如何得到我想要的好结果？

方法就是：投票。

将所有决策树的结果进行投票（别问我怎么是进行投票的），反正最后得到我想要的结果。

参考资料

随机森林扫盲

[机器学习基础] 随机森林算法

我的相关文章

【机器学习】Random Forest(随机森林)入门和实战（一）先写个项目

【机器学习】Random Forest(随机森林)入门和实战（三）什么时候使用