一、代码怎么写

class sklearn.ensemble.RandomForestClassifier(n_estimators=10, crite-rion=’gini’, max_depth=None,  
min_samples_split=2, min_samples_leaf=1,  
min_weight_fraction_leaf=0.0,  
max_features=’auto’,  
max_leaf_nodes=None, bootstrap=True,  
oob_score=False, n_jobs=1, ran-dom_state=None, verbose=0,  
warm_start=False, class_weight=None)

二、关于参数

其中关于决策树的参数：

criterion: ”gini” or “entropy”(default=”gini”) 是计算属性的 gini(基尼不纯度) 还是 entropy(信息增益)，来选择最合适的节点。

splitter: ”best” or “random”(default=”best”) 随机选择属性还是选择不纯度最大的属性，建议用默认。

max_features: 选择最适属性时划分的特征不能超过此值。

当为整数时，即最大特征数；当为小数时，训练集特征数 * 小数；

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) 设置树的最大深度，默认为 None，这样建树时，会使每一个叶节点只有一个类别，或是达到 min_samples_split。

min_samples_split: 根据属性划分节点时，每个划分最少的样本数。

min_samples_leaf: 叶子节点最少的样本数。

max_leaf_nodes: (default=None) 叶子树的最大样本数。

min_weight_fraction_leaf: (default=0) 叶子节点所需要的最小权值

verbose:(default=0) 是否显示任务进程

关于随机森林特有的参数：

n_estimators=10：决策树的个数，越多越好，但是性能就会越差，至少 100 左右（具体数字忘记从哪里来的了）可以达到可接受的性能和误差率。

bootstrap=True：是否有放回的采样。

oob_score=False：oob（out of band，带外）数据，即：在某次决策树训练中没有被 bootstrap 选中的数据。多单个模型的参数训练，我们知道可以用 cross validation（cv）来进行，但是特别消耗时间，而且对于随机森林这种情况也没有大的必要，所以就用这个数据对决策树模型进行验证，算是一个简单的交叉验证。性能消耗小，但是效果不错。

n_jobs=1：并行 job 个数。这个在 ensemble 算法中非常重要，尤其是 bagging（而非 boosting，因为 boosting 的每次迭代之间有影响，所以很难进行并行化），因为可以并行从而提高性能。1 = 不并行；n：n 个并行；-1：CPU 有多少 core，就启动多少 job

warm_start=False：热启动，决定是否使用上次调用该类的结果然后增加新的。

class_weight=None：各个 label 的权重。

进行预测可以有几种形式：

predict_proba(x)：给出带有概率值的结果。每个点在所有 label 的概率和为 1.

predict(x)：直接给出预测结果。内部还是调用的 predict_proba()，根据概率的结果看哪个类型的预测值最高就是哪个类型。

predict_log_proba(x)：和 predict_proba 基本上一样，只是把结果给做了 log() 处理。