随机森林和Extra-Trees
随机森林
先前说了bagging的方法，其中使用的算法都是决策树算法，对于这样的模型，因为具有很多棵树，而且具备了随机性，那么就可以称为随机森林
在sklearn中封装了随机森林的类，可以使用这个类直接创建出一个随机森林，同时sklearn中的随机森林模型的随机性更为复杂，对于决策树来说，都是对每一个节点进行划分，详情看这里
在sklearn中的封装的随机森林默认在每一个节点上，都是在一个随机的特征子集上寻找一个最优的划分，并不是在节点上对所有的特征进行划分，这就增加了每一个子模型的随机性
具体使用
（在notebook中）
加载好需要的类库，虚拟数据的随机种子设置为666，绘制图像
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
X,y = datasets.make_moons(n_samples=500,noise=0.3,random_state=666)
plt.scatter(X[y==0,0],X[y==0,1])
plt.scatter(X[y==1,0],X[y==1,1])
图像如下
使用sklearn提供的随机模型只要调用RandomForestClassifier这个类就可以，然后实例化，传入参数，设置样本点为500，随机种子为666，使用全部核心并行，并使用未使用的样本点进行测试计算准确度，然后进行训练，计算准确度
from sklearn.ensemble import RandomForestClassifier
rf_clf = RandomForestClassifier(n_estimators=500,random_state=666,oob_score=True,n_jobs=-1)
rf_clf.fit(X,y)
rf_clf.oob_score_
结果如下
新添加一个参数进行实例化，传入参数max_leaf_nodes，限制每一个决策树的叶子节点，设置为16，然后训练并计算样本的准确度
rf_clf2 = RandomForestClassifier(n_estimators=500,max_leaf_nodes=16,random_state=666,oob_score=True,n_jobs=-1)
rf_clf2.fit(X,y)
rf_clf2.oob_score_
结果如下
可以不断调参以获得更好的准确度，这里不难发现，随机森林的参数是可以使用决策树的参数的
Extra trees
和随机森林非常类似的还有Extra trees，极其随机的森林，其极其的随机性表现在，在节点划分上，直接使用随机的特征和随机的阈值，可以想象，这每棵树的差别会更加的大，很随机，这种方式提供了额外的随机性，而且抑制了过拟合（方差），但是这样的操作增大了bias（偏差），所以要看问题本身是不是适合使用这种方法
这个方法比起随机森林而言，有着更快的训练速度，在sklearn中使用也很简单，调用ExtraTreesClassifier这个类就可以了，使用的参数也和RandomForestClassifier一样，需要注意的是，bootsreap默认是flase，所以要使用放回取样还需要设置为true，然后训练并计算准确度
from sklearn.ensemble import ExtraTreesClassifier
et_clf = ExtraTreesClassifier(n_estimators=500,bootstrap=True,oob_score=True,random_state=666)
et_clf.fit(X,y)
et_clf.oob_score_
结果如下
添加一个新的参数，添加max_leaf_nodes=，设置为16，然后训练模型并计算准确度
et_clf2 = ExtraTreesClassifier(n_estimators=500,max_leaf_nodes=16,bootstrap=True,oob_score=True,random_state=666)
et_clf2.fit(X,y)
et_clf2.oob_score_
结果如下
其实集成学习也可以解决回归问题，在sklearn中可以使用很多类来解决，比如baggingregressor，randomforestregressor，extratreesregressor等类，使用方式和上面大致一样，不过因为解决的是回归问题，所以输出结果是一个数字
