目录 1什么是随机森林o1.1集成学习o1.2随机决策树o1.3随机森林o1.4投票 2为什么要用它 3使用方法o3.1变量选择o3.2分类o3.3回归 4一个简单的Python示例结语前言：随机森林是一个非常灵活的机器学习方法，从市场营销到医疗保险有着众多的应用。它可以用于市场营销对客户获取和存留建模或预测病人的疾病风险和易感性。随机森林能够用于分类和回归问题，可以处理大量特征，并能够帮助估计用于建模数据变量的重要性。这篇文章是关于如何使用Python构建随机森林模型。1什么是随机森林随机森林可以用于几乎任何一种预测问题（包括非线性问题）。它是一个相对较新的机器学习策略（90年代诞生于贝尔实验室）可以用在任何方面。它属于机器学习中的集成学习这一大类。1.1集成学习集成学习是将多个模型进行组合来解决单一的预测问题。它的原理是生成多个分类器模型,各自独立地学习并作出预测。这些预测最后结合起来得到预测结果，因此和单独分类器的结果相比，结果一样或更好。随机森林是集成学习的一个分支，因为它依靠于决策树的集
