机器学习之随机森林（三）

随机森林在机器学习中是一个十分重要的算法，大家可能对机器学习感到很陌生，但是大家一定不会对人工智能感到陌生。而机器学习是人工智能中是一个十分重要的内容，而随机森林又是机器学习中的内容。由此可见，随机森林是值得我们去学习的，在前面我们也给大家介绍了很多关于随机森林的知识，接下来的内容我们继续为大家讲述随机森林的最后一部分。

我们在前面的文章中讲述了随机森林是怎么降低偏差和方差的，但是大家是否知道随机森林实际是如何工作的。我们就以微博为例，当我们刚刚注册微博登录以后，系统就会为我们推荐了很多的博主和一些领域的内容，但是大家如果对这些内容不感兴趣想找出一些可能喜欢的新内容，我们就是去寻找推荐的内容，找到了能让真实的人根据自己的喜好给我们找出好的建议，具体的工作就是避免建议的随机性，我们可能先填写一份关于自己的基本内容喜好的问卷，为可能喜欢的内容类型提供一个标准。然后网友利用这些信息开始根据自己提供的标准来分析这些内容，这是，我们可以理解成每个人本质上都是一个决策树。

其实有时候提出建议的人并不能够找出我们喜欢的内容，比如我们喜欢有关于八卦的内容而推荐养生的内容，这就是得到了一个不是准确的内容，那么到底是为什么呢？这是因为很多人对自己喜欢的内容不能够做到精准的分类，为了解决这个问题，我们统计来自许多个人的建议，也就是每个人都扮演决策树的角色，并对他们的建议使用多数投票算法，也就是本质上是创建一个随机森林。

下面我们给大家介绍一下随机森林的优点以及缺点，随机森林的优点就是不需要特征归一化，同时也具有可并行化的属性，也就是单个决策树可以并行训练。当然随机森林也是可以广泛使用的。同时随机森林也是可以减少过拟合。当然有优点也会存在缺点，随机森林的缺点就是不容易解释，同时也不是一个最先进的方法。

我们在这篇文章中给大家介绍了关于随机森林的相关知识，通过对这些知识的不断了解，我们不难发现随机森林的应用领域是十分广泛的，如果大家要学习人工智能一定不要忽视随机森林的学习。