##随机森林-分类
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
#1.导入数据
#data = pd.read_csv(’’)
#2.数据预处理
#略，最终生成x_train,y_train,x_test
#导入sklearn的数据集
x_train, y_train = make_classification(n_samples=1000, n_features=4, n_informative=2, n_redundant=0, random_state=0, shuffle=False)
#3.模型训练
clf = RandomForestClassifier(n_estimators=100, max_depth=2, random_state=0)
clf.fit(x_train, y_train)
#4.模型预测
#特征重要性
print(‘feature_importances:’, clf.feature_importances_)
#构造数据
x_test = [[0, 0, 0, 0], [2, 6, 4, 4]]
y_predict = clf.predict(x_test)
print(y_predict)
#参数列表与调参方法
RandomForestClassifier(n_estimators=’warn’, criterion=’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,
min_impurity_decrease=0.0, min_impurity_split=None, bootstrap=True, oob_score=False,
n_jobs=None, random_state=None, verbose=0, warm_start=False, class_weight=None)
#n_estimators : integer, optional (default=10)
森林里的树木数量。
在版本0.20中更改：默认值n_estimators将从版本0.20中的10更改为版本0.22中的100。
#criterion : string, optional (default=”gini”)
衡量分裂质量的功能。支持的标准是基尼系数的“gini”和信息增益的“entropy”（熵）。
#max_depth : integer or None, optional (default=None)
树的最大深度。如果为None，则扩展节点直到所有叶子都是纯的或直到所有叶子包含少于min_samples_split个样本。
#min_samples_split : int, float, optional (default=2)
拆分内部节点所需的最小样本数：
如果是int，则考虑min_samples_split为最小数量。
如果是浮点数，那么它min_samples_split是一个分数， 是每个分割的最小样本数。ceil(min_samples_split * n_samples)
#min_samples_leaf : int, float, optional (default=1)
叶节点所需的最小样本数。只有在每个左右分支中留下至少min_samples_leaf个训练样本时，才会考虑任何深度的分裂点。这可能具有平滑模型的效果，尤其是在回归中。
如果是int，则考虑min_samples_leaf为最小数量。
如果是float，那么它min_samples_leaf是一个分数， 是每个节点的最小样本数。ceil(min_samples_leaf * n_samples)
#min_weight_fraction_leaf : float, optional (default=0.)
需要在叶节点处的权重总和（所有输入样本的总和）的最小加权分数。当未提供sample_weight时，样本具有相同的权重。
#max_features : int, float, string or None, optional (default=”auto”)
寻找最佳分割时要考虑的特征数量：
如果是int，则每次拆分时考虑max_features特征。
如果是浮点数，那么max_features是一个分数，并且 每次拆分时都会考虑int(max_features * n_features)特征。
如果是“自动”，那么max_features=sqrt(n_features)。
如果是“sqrt”，那么max_features=sqrt(n_features)。
如果是“log2”，那么max_features=log2(n_features)。
如果没有，那么max_features=n_features。
注意：在找到节点样本的至少一个有效分区之前，搜索分割不会停止，即使它需要有效地检查多个max_features功能。
#max_leaf_nodes : int or None, optional (default=None)
以best-first的方式种max_leaf_nodes节点的树。最佳节点定义为杂质的相对减少。如果为None则无限数量的叶节点。
#min_impurity_decrease : float, optional (default=0.)
如果该分裂导致杂质的减少大于或等于该值，则将分裂节点。
#min_impurity_split : float, (default=1e-7)
弃用
#bootstrap : boolean, optional (default=True)
是否在构建树时使用bootstrap样本。如果为False，则使用整个数据集构建每个树。
#oob_score : bool (default=False)
是否使用袋外样本来估计泛化精度。
#n_jobs : int or None, optional (default=None)
要运行的并行作业数。 None除非在joblib.parallel_backend上下文中，否则表示1 。 -1表示使用所有处理器。
#random_state : int, RandomState instance or None, optional (default=None)
如果是int，则random_state是随机数生成器使用的种子; 如果是RandomState实例，则random_state是随机数生成器;
如果为None，则随机数生成器是由np.random使用的RandomState实例。
#verbose : int, optional (default=0)
在拟合和预测时控制详细程度。
#warm_start : bool, optional (default=False)
设置True为时，重用上一个调用的解决方案以适应并向整体添加更多估算器，否则，重新训练整个新森林。
#class_weight : dict, list of dicts, “balanced”, “balanced_subsample” or None, optional (default=None)
与表单中的类相关联的权重。如果没有给出，所有类都应该有一个重量。对于多输出问题，可以按与y列相同的顺序提供dicts列表。{class_label: weight}
请注意，对于多输出（包括多标记），应为其自己的dict中的每个列的每个类定义权重。
例如，对于四类多标签分类权重应为[{0：1,1：1}，{0：1,1：5}，{0：1,1：1}，{0：1,1： 1}]而不是[{1：1}，{2：5}，{3：1}，{4：1}]。
“平衡”模式使用y的值自动调整与输入数据中的类频率成反比的权重 n_samples / (n_classes * np.bincount(y))
“balanced_subsample”模式与“balanced”相同，只是基于每个生长的树的bootstrap样本计算权重。
对于多输出，y的每列的权重将相乘。
请注意，如果指定了sample_weight，这些权重将与sample_weight（通过fit方法传递）相乘。