随机森林算法的原理优点和主要参数

随机森林算法的原理优点和主要参数随机森林算法的原理优点是：
1、特征和数据的随机抽样
（1）它可以处理很多高维度（特征很多）的数据，并且不用降维，无需做特征选择；
（2）如果有很大一部分的特征遗失，仍可以潍柴准确度；
（3）不容易过拟合；
2、树模型的特性
（1）较好的解释性和鲁棒性；
（2）能够自动发现特征间的高阶关系；
（3）不需要对数据进行特殊的预处理如归一化；
3、算法结构
（1）训练速度比较快，容易做成并行方法；
（2）实现起来比较简单。

随机森林算法的主要参数是：
1、n_estimators：决策树的个数，越多越好，但也不能太多。

2、criterion：决策树支持的标准是”gini”（gini系数）
or“entropy”（熵值）（default=”gini”）。

3、max_depth：树的最大深度。

4、min_samples_split：根据属性划分节点时，每个划分最少的样本数。

5、min_samples_leaf：叶子节点最少的样本数。