西瓜書與統計學習方法等很多教材中的解釋也都足夠
本篇僅針對如何使用sklearn中的RandomForestClassifier作記錄
一、代碼怎么寫
二、關于參數
其中關于決策樹的參數：
criterion: ”gini” or “entropy”(default=”gini”)是計算屬性的gini(基尼不純度)還是entropy(信息增益)，來選擇最合適的節點。
splitter: ”best” or “random”(default=”best”)隨機選擇屬性還是選擇不純度最大的屬性，建議用默認。
max_features: 選擇最適屬性時劃分的特征不能超過此值。
當為整數時，即最大特征數；當為小數時，訓練集特征數*小數；
if “auto”, then max_features=sqrt(n_features).
If “sqrt”, thenmax_features=sqrt(n_features).
If “log2”, thenmax_features=log2(n_features).
If None, then max_features=n_features.
max_depth: (default=None)設置樹的最大深度，默認為None，這樣建樹時，會使每一個葉節點只有一個類別，或是達到min_samples_split。
min_samples_split:根據屬性劃分節點時，每個劃分最少的樣本數。min_samples_leaf:葉子節點最少的樣本數。
max_leaf_nodes: (default=None)葉子樹的最大樣本數。
min_weight_fraction_leaf: (default=0) 葉子節點所需要的最小權值
verbose:(default=0) 是否顯示任務進程關于隨機森林特有的參數：
n_estimators=10：決策樹的個數，越多越好，但是性能就會越差，至少100左右（具體數字忘記從哪里來的了）可以達到可接受的性能和誤差率。?
bootstrap=True：是否有放回的采樣。 ?
oob_score=False：oob（out of band，帶外）數據，即：在某次決策樹訓練中沒有被bootstrap選中的數據。多單個模型的參數訓練，我們知道可以用cross validation（cv）來進行，但是特別消耗時間，而且對于隨機森林這種情況也沒有大的必要，所以就用這個數據對決策樹模型進行驗證，算是一個簡單的交叉驗證。性能消耗小，但是效果不錯。 ?
n_jobs=1：并行job個數。這個在ensemble算法中非常重要，尤其是bagging（而非boosting，因為boosting的每次迭代之間有影響，所以很難進行并行化），因為可以并行從而提高性能。1=不并行；n：n個并行；-1：CPU有多少core，就啟動多少job
warm_start=False：熱啟動，決定是否使用上次調用該類的結果然后增加新的。 ?
class_weight=None：各個label的權重。 ?
進行預測可以有幾種形式：
predict_proba(x)：給出帶有概率值的結果。每個點在所有label的概率和為1. ?
predict(x)：直接給出預測結果。內部還是調用的predict_proba()，根據概率的結果看哪個類型的預測值最高就是哪個類型。 ?
predict_log_proba(x)：和predict_proba基本上一樣，只是把結果給做了log()處理。 ?
)
