集成学习（2）

4.1.1 Bagging之随机森林 随机森林样例 基学习器：CART决策树 构成方法：由多个决策树构成森林 生成方法： 从样本集中通过重采用的方式产生n个样本 利用这n个样本训练时，随机选择部分属性，在这些部分属性中选择一个最优特征进行划分。 重复抽样m次，产生m可决策树 采用投票/平均的方式进行预测 随机性体现在两点： 样本选择的随机性 特征选择的随机性 随机森林的特性： 随机森林是一种集成学

>>阅读原文<<