集成算法——随机森林（Random Forest）

1、算法简介

随机森林（Random Forest），简称RF。随机森林是由多个决策树模型组成的集成模型，森林中的每棵决策树并不相同。在构建决策树时，我们从训练数据中有放回的随机选取一部分样本，同时也不会使用数据样本中的全部特征，而是随机选取部分特征进行训练。用于构建随机森林的每棵决策树使用的样本和特征都各不相同，由于二重随机性，每棵树都不会一样，因此，这增加了随机森林整体的泛化能力。

在预测环节，随机森林中的每棵决策树会分别进行预测，最终结果将通过投票来确定。

2、算法主要优点

（1）能够处理很高维度的数据，并且不用做特征选择

（2）训练完成后，能够给出哪些特征比较重要，可以用于特征重要性分析

（3）容易做成并行化方法，执行速度比较快

（4）方便进行可视化展示，便于分析