[監督式]Random Forest(隨機樹森林)

決策樹

Random Forest(隨機樹森林)

overfitting

因為決策樹容易overfitting，因為我們可以不斷分割直到準確率為100%，所以我們使用Random Forest來避免這樣的情況，做法就是使用使用bagging方法。
我們重複採樣數據，然後使用多個層數較少的模型訓練進行投票或平均來決定輸出。

子集

結果

實作

sklearn.ensemble.BaggingClassifier
sklearn.ensemble.BaggingRegressor
sklearn.ensemble.RandomForestClassifier
sklearn.ensemble.RandomForestRegressor
參考:
https://colab.research.google.com/github/jakevdp/PythonDataScienceHandbook/blob/master/notebooks/05.08-Random-Forests.ipynb#scrollTo=F6kKDgs4jyP8

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容