【机器学习】红酒数据集和加利福尼亚的房价数据的随机森林算法详解

🚀 本文选自专栏：AI领域专栏
从基础到实践，深入了解算法、案例和最新趋势。无论你是初学者还是经验丰富的数据科学家，通过案例和项目实践，掌握核心概念和实用技能。每篇案例都包含代码实例，详细讲解供大家学习。
📌📌📌本专栏包含以下学习方向：
机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等
✨✨✨在这个漫长的过程，中途遇到了不少问题，但是也有幸遇见不少优秀的伙伴，很荣幸。
每一个案例都附带有代码，在本地跑过的代码，希望可以帮到大家。欢迎订阅支持，正在不断更新中~

一.随机森林

1.1随机森林的构建

bootstrap参数代表的是bootstrap sample，也就是“有放回抽样”的意思，指每次从样本空间中可以重复抽取同一个样本（因为样本在第一次被抽取之后又被放回去了）

假设，原始样本是”苹果，”西瓜，”香蕉，桃子]，那么经过boots