随机森林样本量问题 现要用随机森林算法做。 随机森林样本量问题现要用随机森林算法做个聚类分析，特征数20个左右，聚成两类，对样本量有要求吗？样本量达到多少才能有较好的聚类效果啊？
随机森林如何决定每棵树的权重？ 随进森林 1 人赞同了该回答 ？ 1 ？ ？ 添加评论 来自 释义编辑 在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的。
随机森林的优点有：1.对于很多种资料，它可以产生高准确度的分类器。2.它可以处理大量的输入变量。3.它可以在决定类别时，评估变量的重要性。4.在建造森林时，它可以在内部对于一般化后的误差产生不偏差的估计。5.它包含一个好方法可以估计遗失的资料，并且，如果有很大一部分的资料遗失，仍可以维持准确度。6.它提供一个实验方法，可以去侦测 variable interactions。7.对于不平衡的分类资料集来说，它可以平衡误差。8.它计算各例中的亲近度，对于数据挖掘、侦测偏离者（outlier）和将资料视觉化非常有用。9.使用上述。它可被延伸应用在未标记的资料上，这类资料通常是使用非监督式聚类。也可侦测偏离者和观看资料。10.学习过程是很快速的。
聚类与分类有什么区别？ www. infoworld.com/article/3 252088/machine-learning/how-classification-and-clustering-work-the-easy-way.html 。www.zhihu.com/question/2109 4489/answer/392090279。
Scikit-learn是什么
