randomforest随机森林 参数

randomforest随机森林参数
Random Forest（随机森林）参数
Random Forest（随机森林）是一种基于决策树的集成学习（ensemble learning）方法，通过构建多个决策树，将它们拼接在一起，从而形成一个强有力的、具有良好泛化能力的决策树模型。

它非常适合做分类和回归任务。

Random Forest有如下重要参数：
1. n_estimators：决策树的数量，即构建森林时使用的树的数量，默认值为10 。

2. max_features：决策树每次生成时，所使用的最大特征数量，默认值为None，也可以设置一个整数或者浮点数。

3. min_samples_split：决策树中每个节点最少需要分割的样本数，默认值为2。

4. min_samples_leaf：决策树每个叶子节点所需要的最少样本数，默认值为1。

5. max_depth：决策树深度，即从根节点到叶子节点的最大分入数量，如果为None，则节点的深度将不受限，默认值为None。

6. bootstrap：是否有放回的采样，默认值为True，即有放回采样。

7. criterion：决策树所使用的评价准则，默认值为“gini”，也可以选择“entropy”。

8. oob_score：是否使用袋外数据来估计泛化精度，默认值为
False，即不使用袋外数据。