隨機森林（Random forest,RF）的生成方法以及優缺點

       隨機森林（Random Forest）是屬於集成學習的一種組合分類算法（確切說是屬於bagging），集成學習的核心思想就是將若干個弱（基）分類器組合起來，獲得一個分類性能顯著優越的強分類器。若是各弱分類器以前沒有強依賴關係、可並行生成，就可使用隨機森林算法。    隨機森林利用自主抽樣法（bootstrap）從原數據集中有放回地抽取多個樣本，對抽取的樣本先用弱分類器—決策樹進行訓練

>>阅读原文<<