随机森林分裂准则

随机森林分裂准则
1什么是随机森林分裂准则
随机森林分裂准则是用于决定将节点分割为左子节点和右子节点的基本决策项，这也是整个构建过程中最重要的一环。

随机森林分裂准则可以分为两类：作业问题的分裂准则和分类问题的分裂准则。

作业问题的准则是用于确定分裂点的准则。

它会搜索不同的变量，以查找哪个变量能够最佳地划七两类，并且它的分裂点是什么。

它会在节点中评估每个变量的分裂点，选择出最佳的分裂点，然后用该变量和该分裂点进行分类。

分类问题的准则是查看哪个变量最可能区分任务中的不同类别，并得出哪个变量最能够推断输出结果。

在这里，它对不同变量的分类将根据它的分类准则来评估，并且会选择出那个可以最佳区分不同类别的变量作为该节点的分割变量。

2随机森林分裂准则的使用
随机森林分裂准则将会在我们构建决策树、随机森林模型时每次迭代过程中被调用。

它会选择出最好的分割变量和该变量的分裂点，以确定节点应该如何分裂，来把学习数据集最佳地划分成几类（作业）或确定哪个分类最可能得到输出结果（分类）。

在使用随机森林分裂准则的时候，更重要的因素是可以让我们构建更复杂的模型，而不是受噪声和过拟合的影响。

它可以减少对大量
变量的打分、判断和偏差，随机森林分裂准则是非常实用的一种决策项，用于构建机器学习模型。