使用多个决策树

使用单一决策树的一个弱点决策树对数据的微小变化非常敏感。构建这个问题的一个方法是构建不止一颗决策树构建许多树称之为树集成例如在原有的数据集中我们只改变一个数据把一个立耳胡须改掉原有的是耳朵是根节点最佳的特征改变了之后就是胡须变成了最佳的特征决策树对数据太过于敏感从而产生我不同的分割从而变成两个完全不同的树代表算法不是很具有鲁棒性如果训练的不是单一的树而是一整批不同的树就会得到更准确的预测树集成就是有多个决策树当有一个新的样本来的时候每个树都预测一遍最后每棵树投片一次判断新的样本到底是不是猫。这就是的任何一棵树都不是那么的敏感因为是投票性质的这使得整体的算法更加的鲁邦但是我们如何得到这些合理但是又不同的树呢以便让他们投票下一节将讨论一个统计学技术成为有放回采样