Python数据科学手册

机器学习

｜

373

从图中可以看出，如果使用

100

棵随机决策树，就可以得到一个非常接近我们直觉的“关

于数据空间应该如何分割”的整体模型。

5.8.3

　随机森林回归

前面介绍了随机森林分类的内容。其实随机森林也可以用作回归（处理连续变量，而不是

离散变量）。随机森林回归的评估器是 RandomForestRegressor，其语法与我们之前看到的

非常类似。

下面的数据通过快慢振荡组合而成（如图

5-76

所示）：

In[10]: rng = np.random.RandomState(42)

x = 10 * rng.rand(200)

def model(x, sigma=0.3):

fast_oscillation = np.sin(5 * x)

slow_oscillation = np.sin(0.5 * x)

noise = sigma * rng.randn(len(x))

return slow_oscillation + fast_oscillation + noise

y = model(x)

plt.errorbar(x, y, 0.3, fmt='o');

图 5-76：随机森林回归数据

通过随机森林回归器，可以获得下面的最佳拟合曲线（如图

5-77

所示）：

In[11]: from sklearn.ensemble import RandomForestRegressor

forest = RandomForestRegressor(200)

forest.fit(x[:, ...