研究過程

方法介紹

決策樹是一個利用像樹一樣的圖形的分類工具。每個決策樹可以對資料庫進行分割來做數據測試，當不能再進行分割或一個單獨的類可以被應用於某一分支時，就完成了分類。隨機森林分類器就是將許多決策樹結合起來以提升分類的正確率。

隨機森林(Random Forest)是一種基於決策樹(Decision Tree)的整體學習演算法。它通常用於分類(Classification)和迴歸(Regression)問題，而我們的數據集是分類資料。

隨機森林是由多個決策樹組成的集合，每個決策樹都是由隨機從訓練數據集中選擇的樣本和特徵構建而成。通過隨機選擇樣本和特徵，隨機森林降低了過擬合(Overfitting)的風險，提高了模型的泛化能力。