随机森林算法讲解

type

status

date

slug

summary

PPT部分

我要讲的是随机森林算法

总共分以下六个，（念一下目录）

1.首先是算法原理与核心机制

这一块照着PPT讲就可以

2.算法优势与应用场景

也是照着讲

3.数据加载与探索性分析

注意：

鸢尾花数据集为sklearn包自带的数据

其他的照PPT讲

以上基本都是照着PPT讲

4.省略

5.预测结果与性能评估

代码部分

首先，将所需要的Python库导入，设置一下绘制图像时的中文显示

然后加载一下数据集，使用的是sklearn自带的鸢尾花数据集，主要用到四个特征，花瓣的长宽和花萼的长宽

这里展示的是前十个数据，可以看到样本总数为150个，三个种类，每一类有50个。

下面是数据可视化，查看一下不同类别的特征分布

可以看到，以花瓣长宽绘制图像拥有较为明显的区分度，而使用花萼的相对来说没那么明显，这一点在后面的可视化特征重要性也可以体现。

然后是划分一下训练集和测试集，以8：2分割，使用120个样本作为训练集，30个样本作为测试集

下面开始训练随机森林模型，使用100颗决策树，最大深度为5，并且设置了随机种子保证可以复现，然后启用袋外误评估，就这个OBB_SCORE。

好的训练完成，这个袋外得分是随机森林特有的评估指标，表示未参与某棵树训练的样本的预测准确率。

开始对测试集进行预测，这里输出前五个预测结果。

然后来计算准确率，输出一下分类报告，并且绘制混淆矩阵。

测试集共30个样本，只有这两种各出现一个误判，可以看见准确率为0.933

来看一下可视化特征重要性，可以看见花瓣的长宽影响比较大，这与前面的分布图对应

最后看一下森林中的第一颗决策树

基尼指数

无明显分类优势

演讲

老师明确说了1－8号准备，大概率是要讲了，这里整合一下演讲要说的部分，主要是一些ppt没有的和一些衔接词

开始：

我要讲的是随机森林算法，分为以下六个部分

首先是第一个，算法原理与核心机制，随机森林算法是……

第二个，算法优势与应用场景

随机森林算法支持并行训练，性能稳定可靠，调参需求低，无需精细调参即可获得良好的效果，适合快速建模。此外还适合大规模数据和可即插即用，减少预处理依赖

内置了特征重要性评估，支持模型可解释性分析，通过计算…（PPT内容）

第三个，数据加载与探索性分析————PPT

第四个，模型构建与训练————PPT

但是8：2分割哪里，先讲下面的，不讲标题

第五个，预测结果与性能评估————PPT

第六个可视化分析

讲完标题讲一下特征贡献度下面，讲完第一排吧就差不多

然后可视化第一颗树，讲一下小标题就可以，进入代码部分