本文来自《老饼讲解-BP神经网络》https://www.bbbdata.com/

用过随机森林的朋友都知道，随机森林是集成决策的一个经典代表，它通过训练多棵决策树，进行集体决策以抵抗过拟合。
但是，随机森林究竟具体是怎么训练出来的呢？笔者扒了python-sklearn的源码细读后发现原来如此简单，下面我们就一起看一看随机森林是怎么训练出来的吧~

一、随机森林简介

随机森林是将决策树进行简单bagging的一种集成算法，它经过多次随机抽取样本训练多棵决策树,用多棵决策树集成决策。由于它拥有多棵树，且每棵树是随机的，所以称为随机森林。

随机森林的模型表达式如下：

可以看到，随机森林就是多棵决策树的集成，要了解随机森林是如何训练的，也就只需要了解随机森林的每棵决策树是如何训练的就可以了。

用过随机森林的朋友都知道随机森林是怎么回事了，没用过随机森林的朋友，从上面的表达式也大概知道随机森林是个什么模型了，这里就不作过多的解释了，下面就直接介绍随机森林是怎么训练出这么多决策树的吧~！

二、随机森林训练原理

2.1. 随机森林的训练流程

下面展示随机森林的训练流程图：

随机森林的具体训练流程如下
1.样本抽取 : 放回式随机抽取n(样本个数)次样本，最终得到n个样本
2.训练弱树 : 用抽取的样本训练决策树，最多使用m个特征就退出树的训练
一直训练K棵树为止
简单地说，就是生成k棵树，每棵树用的样本随机抽取，最后k棵树组合在一起就是森林

2.2. 随机森林训练的核心代码

下面展示随机森林训练时的核心代码，如下

由于随机森林就是训练决策树，所以这里直接调用决策树模型的代码，从代码中可以看到，就是先对样本进行抽样，然后再训练决策树就行了。
总的来说，随机森林的训练原理就是这么简单。

相关链接：

《老饼讲解-机器学习》：老饼讲解-机器学习教程-通俗易懂
《老饼讲解-神经网络》：老饼讲解-matlab神经网络-通俗易懂
《老饼讲解-神经网络》：老饼讲解-深度学习-通俗易懂