随机森林

• 定义：随机森林或随机决策森林是用于分类、回归和其他任务的集成学习方法。
• 名字由来：随机森林就是使用随机的方法重新构建大量的决策树，根据多个决策树分类结果的“少数服从多数”的原则来完成对新数据的分类预测。
• 决策树概念：分类树（决策树）是一种十分常用的分类方法。它是一种监督学习，所谓监督学习就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。
• 应用：机器学习，其是一个包含多个决策树的分类器
• 构建：
  • 构建bootstrap数据集；
  • 创建bootstrap数据集的决策树；
  • 如此重复很多次，树多成林，就完成了随机森林的构建

待选特征的随机选取

[1]董师师,黄哲学. 随机森林理论浅析[J]. 集成技术,2013,01:1-7.
[2]李欣海. 随机森林模型在分类与回归分析中的应用[J]. 应用昆虫学报,2013,04:1190-1197.