随机森林
简介
随机森林是一种集成学习方法，由多个决策树构成。每个决策树都是基于随机选择的特征和数据子集进行构建的，因此不同决策树之间是相互独立的。
随机森林在训练时会对每个决策树进行“投票”，并将最终结果作为预测结果。随机森林在分类和回归问题上都有很好的表现，并且对于输入数据中的噪声和缺失值具有较强的鲁棒性。
算法参数及说明
| 参数 | 说明 |
|---|---|
| 树的数量 | 默认10 |
| 树的最大深度(非必填) | 默认空 |
| 最小分割子集 | The minimum number of samples required to split an internal node, 默认2 |
| 叶节点最小样本数 | The minimum number of samples required to be at a leaf node, 默认1 |
| 最大叶子节点数 | 默认空 |
| 权重 | The minimum weighted fraction of the sum total of weights, 默认0 |
| 构建树时是否使用自举样本 | Whether bootstrap samples are used when building trees, 默认true |
| out-of-bag score | Whether to use out-of-bag samples to estimate the generalization score, 默认false |
案例
案例数据下载：iris.xlsx
案例介绍：Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
- Sepal.Length（花萼长度），单位是cm;
- Sepal.Width（花萼宽度），单位是cm;
- Petal.Length（花瓣长度），单位是cm;
- Petal.Width（花瓣宽度），单位是cm;
- 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾）。
制作流程：
-
选择iris数据集；
-
在智能分析图表中选择随机森林；
-
在设置中的基础配置中选择状态为成功的随机森林模型，** 注意：数据集字段必须包含已选择的随机森林模型所使用的训练集字段 **；
如果模型列表中没有模型，需要创建模型，创建模型的链接：机器学习模型管理
-
进行数据探索
展示结果以表数据展示