本文实例讲述了Python实现的随机森林算法。分享给大家供大家参考，具体如下：

随机森林是数据挖掘中非常常用的分类预测算法，以分类或回归的决策树为基分类器。算法的一些基本要点：

*对大小为m的数据集进行样本量同样为m的有放回抽样；

*对K个特征进行随机抽样，形成特征的子集，样本量的确定方法可以有平方根、自然对数等；

*每棵树完全生成，不进行剪枝；

*每个样本的预测结果由每棵树的预测投票生成(回归的时候，即各棵树的叶节点的平均)

著名的python机器学习包scikit learn的文档对此算法有比较详尽的介绍: http://scikit-learn.org/stable/modules/ensemble.html#random-forests

出于个人研究和测试的目的，基于经典的Kaggle 101泰坦尼克号乘客的数据集，建立模型并进行评估。比赛页面及相关数据集的下载：https://www.kaggle.com/c/titanic

泰坦尼克号的沉没，是历史上非常著名的海难。突然感到，自己面对的不再是冷冰冰的数据，而是用数据挖掘的方法，去研究具体的历史问题，也是饶有兴趣。言归正传，模型的主要的目标，是希望根据每个乘客的一系列特征，如性别、年龄、舱位、上船地点等，对其是否能生还进行预测，是非常典型的二分类预测问题。数据集的字段名及实例如下：PassengerIdSurvivedPclassNameSexAgeSibSpParchTicketFareCabinEmbarked

103Braund, Mr. Owen Harrismale2210A/5 211717.25S

211Cumings, Mrs. John Bradley (Florence Briggs Thayer)female3810PC 1759971.2833C85C

313Heikkinen, Miss. Lainafemale2600STON/O2. 31012827.925S

411Futrelle, Mrs. Jacques Heath (Lily May Peel)female351011380353.1C123S

503Allen, Mr. William Henrymale35003734508.05S

值得说明的是，SibSp是指sister brother spouse，即某个乘客随行的兄弟姐妹、丈夫、妻子的人数，Parch指parents,children

下面给出整个数据处理及建模过程，基于ubuntu+python 3.4( anaconda科学计算环境已经集成一系列常用包，pandas numpy sklearn等，这里强烈推荐)

懒得切换输入法，写的时候主要的注释都是英文，中文的注释是后来补充的:-)