機器學習——隨機森林

以決策樹爲基礎-隨機森林 決策樹的一個主要缺點在於經常對訓練的數據過擬合。隨機森林是解決這個問題的一種方法。隨機森林的本質上是很多決策樹的集合，其中那個每棵樹都和其他樹略有不同。隨機森林背後砈思想史是，每棵樹的預測都可能相對較好，但可能對部分書聚過擬合，如果我們構建很多樹，並且每棵樹都可以預測的很好，但都已不同的方式過擬合，那麼我們可以對這些樹的結果取平均值來降低過擬合。既能減少過擬合又能保持樹的

>>阅读原文<<