企业官网建设流程全解析

一、随机森林

随机森林是一种集成学习算法（Ensemble Learning），主要用于分类和回归任务。
简单来说：
随机森林 = 多棵决策树 + 投票/平均

1、随机森林的构成

随机森林主要由两部分组成： (1). 决策树（Decision Tree） 每棵树都是一个分类器。

邮件||--是否包含"免费"|||是|||是否大量包含链接|||是|||垃圾邮件

(2). 多棵树组合 随机森林生成很多棵决策树：

随机森林 树1→ 垃圾邮件 树2→ 垃圾邮件 树3→ 正常邮件 树4→ 垃圾邮件 树5→ 垃圾邮件 最终： 垃圾邮件

2、随机森林分类流程

(1)划分数据

xtrain,xtest,ytrain,ytest=\ train_test_split(x,y,test_size=0.2,random_state=100)

(2)、SMOTE处理类别不平衡

oversampler=SMOTE(random_state=0)#创建 SMOTE 对象os_x_train,os_y_train=oversampler.fit_resample(xtrain,ytrain)

使用 SMOTE 方法解决训练集中类别不平衡问题。 (3)、创建随机森林

rf=RandomForestClassifier(n_estimators=100,max_features=0.8,random_state=0)

n_estimators=100表示建立100个树 max_features=0.8表示每次分裂随机使用80%的特征 random_state=0随机种子 (4)、训练模型

rf.fit(os_x_train,os_y_train)

(5)预测

train_predicted=rf.predict(xtrain)#训练集test_predicted=rf.predict(xtest)#测试机

代码展示

importpandasaspdimportmatplotlib.pyplotaspltfromsklearn.model_selectionimporttrain_test_splitfromsklearn.ensembleimportRandomForestClassifierfromsklearn.metricsimportconfusion_matrix,classification_reportfromimblearn.over_samplingimportSMOTE# ===============================# 绘制混淆矩阵函数# ===============================defcm_plot(y_true,y_pred):cm=confusion_matrix(y_true,y_pred)plt.matshow(cm,cmap=plt.cm.Blues)plt.colorbar()foriinrange(len(cm)):forjinrange(len(cm)):plt.annotate(cm[i,j],xy=(j,i),horizontalalignment='center',verticalalignment='center')plt.ylabel("True label")plt.xlabel("Predicted label")returnplt# ===============================# 1.读取数据# ===============================df=pd.read_csv("spambase.csv")# 特征X=df.iloc[:,:-1]# 标签y=df.iloc[:,-1]# ===============================# 2.划分训练集和测试集# ===============================X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=100)# ===============================# 3.SMOTE处理样本不平衡# ===============================smote=SMOTE(random_state=0)X_train_smote,y_train_smote=smote.fit_resample(X_train,y_train)# ===============================# 4.建立随机森林模型# ===============================rf=RandomForestClassifier(n_estimators=100,max_features=0.8,random_state=0)# 训练rf.fit(X_train_smote,y_train_smote)# ===============================# 5.训练集预测# ===============================train_pred=rf.predict(X_train)print("训练集结果：")print(classification_report(y_train,train_pred,digits=4))# 混淆矩阵cm_plot(y_train,train_pred).show()# ===============================# 6.测试集预测# ===============================test_pred=rf.predict(X_test)print("测试集结果：")print(classification_report(y_test,test_pred,digits=4))# 测试集混淆矩阵cm_plot(y_test,test_pred).show()# ===============================# 7.特征重要性分析# ===============================# 获取特征重要性importances=rf.feature_importances_ importance_df=pd.DataFrame({"feature":X.columns,"importance":importances})# 排名前10importance_df=importance_df.sort_values(by="importance",ascending=False).head(10)# 绘制柱状图plt.figure(figsize=(8,5))plt.barh(importance_df["feature"],importance_df["importance"])plt.xlabel("Importance")plt.ylabel("Feature")plt.title("Top 10 Feature Importance")plt.gca().invert_yaxis()plt.show()