RandomForestClassifier

隨機森林是一種元估計器，它適用於資料集的各個子樣本上的多個決策樹分類器，並使用平均來提高預測精度和控制過擬合。

一個簡單的用法示例：

匯入：

from sklearn.ensemble import RandomForestClassifier

定義列車資料和目標資料：

train = [[1,2,3],[2,5,1],[2,1,7]]
target = [0,1,0]

target 中的值表示你要預測的標籤。

啟動 RandomForest 物件並執行 learn(fit)：

rf = RandomForestClassifier(n_estimators=100)
rf.fit(train, target)

預測：

test = [2,2,3]
predicted = rf.predict(test)