本篇僅針對如何使用sklearn中的RandomForestClassifier作記錄

程式碼案例：

class sklearn.ensemble.RandomForestClassifier(n_estimators=10, crite-rion=’gini’, max_depth=None,    
min_samples_split=2, min_samples_leaf=1,    
min_weight_fraction_leaf=0.0,    
max_features=’auto’,    
max_leaf_nodes=None, bootstrap=True,    
oob_score=False, n_jobs=1, ran-dom_state=None, verbose=0,    
warm_start=False, class_weight=None)  
 

引數解析：

其中關於決策樹的引數：

criterion: ”gini” or “entropy”(default=”gini”)是計算屬性的gini(基尼不純度)還是entropy(資訊增益)，來選擇最合適的節點。

splitter: ”best” or “random”(default=”best”)隨機選擇屬性還是選擇不純度最大的屬性，建議用預設。

max_features: 選擇最適屬性時劃分的特徵不能超過此值。

當為整數時，即最大特徵數；當為小數時，訓練集特徵數*小數；

if “auto”, then max_features=sqrt(n_features).

If “log2”, thenmax_features=log2(n_features).

If None, then max_features=n_features.

max_depth: (default=None)設定樹的最大深度，預設為None，這樣建樹時，會使每一個葉節點只有一個類別，或是達到min_samples_split。

min_samples_leaf:葉子節點最少的樣本數。

max_leaf_nodes

min_weight_fraction_leaf: (default=0) 葉子節點所需要的最小權值

關於隨機森林特有的引數：

n_estimators=10：決策樹的個數，越多越好，但是效能就會越差，至少100左右（具體數字忘記從哪裡來的了）可以達到可接受的效能和誤差率。 

bootstrap=True：是否有放回的取樣。  

oob_score=False：oob（out of band，帶外）資料，即：在某次決策樹訓練中沒有被bootstrap選中的資料。多單個模型的引數訓練，我們知道可以用cross validation（cv）來進行，但是特別消耗時間，而且對於隨機森林這種情況也沒有大的必要，所以就用這個資料對決策樹模型進行驗證，算是一個簡單的交叉驗證。效能消耗小，但是效果不錯。  

n_jobs=1：並行job個數。這個在ensemble演算法中非常重要，尤其是bagging（而非boosting，因為boosting的每次迭代之間有影響，所以很難進行並行化），因為可以並行從而提高效能。1=不併行；n：n個並行；-1：CPU有多少core，就啟動多少job

warm_start=False：熱啟動，決定是否使用上次呼叫該類的結果然後增加新的。  

class_weight=None：各個label的權重。  

進行預測可以有幾種形式：

predict_proba(x)：給出帶有概率值的結果。每個點在所有label的概率和為1.  

predict(x)：直接給出預測結果。內部還是呼叫的predict_proba()，根據概率的結果看哪個型別的預測值最高就是哪個型別。  

predict_log_proba(x)：和predict_proba基本上一樣，只是把結果給做了log()處理。