本文實例講述了Python實現的隨機森林算法。分享給大家供大家參考，具體如下：

隨機森林是數據挖掘中非常常用的分類預測算法，以分類或回歸的決策樹為基分類器。算法的一些基本要點：

*對大小為m的數據集進行樣本量同樣為m的有放回抽樣；

*對K個特征進行隨機抽樣，形成特征的子集，樣本量的確定方法可以有平方根、自然對數等；

*每棵樹完全生成，不進行剪枝；

*每個樣本的預測結果由每棵樹的預測投票生成(回歸的時候，即各棵樹的葉節點的平均)

著名的python機器學習包scikit learn的文檔對此算法有比較詳盡的介紹: http://scikit-learn.org/stable/modules/ensemble.html#random-forests

出于個人研究和測試的目的，基于經典的Kaggle 101泰坦尼克號乘客的數據集，建立模型并進行評估。比賽頁面及相關數據集的下載：https://www.kaggle.com/c/titanic

泰坦尼克號的沉沒，是歷史上非常著名的海難。突然感到，自己面對的不再是冷冰冰的數據，而是用數據挖掘的方法，去研究具體的歷史問題，也是饒有興趣。言歸正傳，模型的主要的目標，是希望根據每個乘客的一系列特征，如性別、年齡、艙位、上船地點等，對其是否能生還進行預測，是非常典型的二分類預測問題。數據集的字段名及實例如下：PassengerIdSurvivedPclassNameSexAgeSibSpParchTicketFareCabinEmbarked

103Braund, Mr. Owen Harrismale2210A/5 211717.25S

211Cumings, Mrs. John Bradley (Florence Briggs Thayer)female3810PC 1759971.2833C85C

313Heikkinen, Miss. Lainafemale2600STON/O2. 31012827.925S

411Futrelle, Mrs. Jacques Heath (Lily May Peel)female351011380353.1C123S

503Allen, Mr. William Henrymale35003734508.05S

值得說明的是，SibSp是指sister brother spouse，即某個乘客隨行的兄弟姐妹、丈夫、妻子的人數，Parch指parents,children

下面給出整個數據處理及建模過程，基于ubuntu+python 3.4( anaconda科學計算環境已經集成一系列常用包，pandas numpy sklearn等，這里強烈推薦)

懶得切換輸入法，寫的時候主要的注釋都是英文，中文的注釋是后來補充的:-)

總結

以上是生活随笔為你收集整理的随机森林算法 python_Python实现的随机森林算法与简单总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。