企业官网建设流程全解析

随机森林：让一群“小专家”帮你做决定 🌲

一、先回顾：单棵决策树有个“毛病” 😣

🟢 趣味理解

上节课我们做了好几道决策树习题，比如奶茶店推荐饮品：

[天气类型] / | \ [晴天] [阴天] [雨天] ↓ ↓ ↓ [冰奶茶] [顾客年龄] [热奶茶] / \ [≤18岁] [>18岁] ↓ ↓ [果茶] [热奶茶]

还有超市给商品贴促销标签、判断蔬菜怎么定价——这些规则清晰、好懂，画出来一目了然。

但决策树有个明显短板——容易“过拟合”。

什么叫过拟合？好比奶茶店老板把每一位老顾客的偏好都记成规则：“穿红衣服的小王来了就推荐果茶”“戴眼镜的小李来了就推荐热奶茶”……规则越记越多、越记越细，结果来了一个新顾客，老板反而不知道推荐什么了——因为他记的都是“个例”，不是“规律”。

决策树也一样：树长得越深，越会揪住训练数据里的个别细节和噪声不放，遇到新数据反而判不准。

🧩更形象的比喻：一棵决策树就像一个特别较真的店长——老顾客的喜好他记得滴水不漏，但新顾客一进门，他就“这人我没见过”，反而不会推荐了。

所以结论是：一棵树，靠不住。

🔵 笔记速记

决策树直观好懂、能画出来，但容易过拟合——死记个例，换新数据就不会了。单棵树不稳定，需要改进。

二、新思路：集成学习 🤝

🟢 趣味理解

既然一棵树不稳，那能不能多种几棵树，让大家一起做决定？这就是集成学习。

回到奶茶店的例子：与其只听一个店长的推荐，不如让100位店员各自根据自己看到的顾客情况推荐饮品，最后投票选最受欢迎的那款。

• 一个店员可能看走眼、可能偏科（只懂果茶不懂奶茶）
• 但100个店员投票，个别人的小错误被互相抵消，推荐更靠谱

这就是“三个臭皮匠，顶个诸葛亮”。

🧩再举两个例子加深印象：

• 看病：一个医生可能误诊，但让10个医生分别看，最后会诊投票，误诊概率大大降低。
• 买手机：只看一个博主测评容易被带节奏，看几十个博主的综合评分，判断更准。

集成学习就是这个道理：集体的智慧，往往胜过单个“专家”。

🔵 笔记速记

集成学习 = 组合多个模型，集体做决定。核心思想就一句：三个臭皮匠，顶个诸葛亮——互相纠错，比单个模型稳。

三、随机森林是什么？

🟢 趣味理解

随机森林 = 很多棵决策树组成“森林”，一起做决定。

根据任务类型的不同，做决定的方式也不同：

• 分类问题（判断是哪一类）→每棵树投票，少数服从多数🗳️
• 回归问题（预测一个数值）→每棵树给个数，全部取平均📊

🧩比喻一（分类-投票）：还是奶茶店——100棵决策树就是100个“推荐员”，每人根据天气、年龄给出推荐，最后票数最多的饮品胜出。就像班委选举，票多的当选。

🧩比喻二（回归-取平均）：猜一位同学的体重——100个人各自估一个数（比如有人猜50kg，有人猜55kg），把100个估计值平均一下，往往比任何一个人的估计都准。

💡为什么叫“森林”？
因为一棵两棵不够，要种很多棵，多到成“林”，集体的力量才足够强大。

🔵 笔记速记

随机森林 = 很多棵决策树 + 两次“随机”（随机抽样数据+随机选择特征） + 投票/平均。

易混淆💡： 分类问题投票（少数服从多数）；回归问题取平均（加起来除以总数）。

四、核心重点：两个“随机” ⭐⭐

这是本节课最重要的内容，笔记本上一定要记！

先问：为什么要“随机”？

🟢 趣味理解

如果100个店员都用完全一样的信息、完全一样的判断方式去推荐，那他们会推荐出一模一样的饮品——投票还有什么意义？

🧩比喻：100个店员都只盯着“天气”看，晴天全推冰奶茶、雨天全推热奶茶，投票等于没投，因为大家“想得一样，错得也一样”。

所以随机森林故意制造两种“随机”，让每个“推荐员”各有特色、各有盲区，这样综合起来时才能互相纠错。这两次随机，就是随机森林名字里“随机”两个字的由来。

🎲 随机一：随机抽样数据（Bootstrap 自助采样）

🟢 趣味理解

从原始数据里有放回地随机抽取样本，组成每棵树的训练集。

先搞懂“有放回”是什么意思：

🧩摸球比喻：袋子里有5个球，你摸出一个记下颜色，再把它放回去，然后摸第二个……

• 因为放回去了，同一个球可能被摸到好几次
• 有的球运气差，一次都没被摸到
• 如果不放回地摸，那每个球都恰好被摸一次——那就没有随机性了

随机森林给每棵树准备数据，用的就是这种“摸完放回”的方式。

放到奶茶店的场景里看：

假设店里有100位顾客的消费记录，每棵树随机抽100次（有放回）：

• 平均来说，大约63位顾客的记录会被抽到至少一次
• 剩下约37位顾客，这棵树一次都没见过

🧩店员比喻：给100位店员每人发一份不完全相同的顾客资料——有的顾客被重复提到，有的压根没出现在他的资料里。大家研究的顾客不一样，推荐自然不一样。

这样做的好处：每棵树看到的“顾客世界”都略有不同，不会都犯同一个错。

🔵 笔记速记

随机一 = 随机抽样数据：有放回地抽样本，样本可重复，约1/3抽不到，每棵树训练数据不同。

💡 记法：“摸完放回”——摸出的球放回去，所以有的球被摸好几次，有的球一次没摸到。

🎲 随机二：随机选择特征

🟢 趣味理解

每棵树在分裂节点时，不是看所有特征，而是随机挑一部分特征再选最优的。

🧩奶茶店比喻：推荐饮品本来可以参考天气、顾客年龄、顾客性别、是否会员好几个信息。

• 如果每棵树都看全部信息，那大家的推荐逻辑差不多
• 随机森林让每棵树只随机看其中两个——有的树看“天气+年龄”，有的树看“性别+会员”
• 角度不同，推荐才能互补，谁也不至于被某一个因素“带偏”

🧩超市促销比喻（呼应上节课习题）：判断商品要不要贴促销标签，本来可以看保质期、销量、进价、库存……随机森林让每棵树只随机看其中一部分，有的树重“保质期”，有的树重“销量”，综合起来判断更稳。

🔵 笔记速记

随机二 = 随机选择特征：每次分裂时随机挑部分特征再选最优，每棵树关注点不同，从而进一步增强树与树之间的差异性。

💡 记法：“只看几个方面”——每棵树只看随机挑的几个特征，不贪多，角度才能不同。

两个“随机”合起来解决了什么？

🟢 趣味理解

把两个随机串起来看：

为什么这样就能“缓解过拟合”？

🧩关键逻辑：过拟合是因为一棵树死记个例（比如把“穿红衣服的小王”记成规则）。现在100棵树各自只看了不同的顾客、不同的角度，每棵树“背”的东西不一样。

• 某几棵树把个例当规律、钻牛角尖了 → 没关系
• 大多数树没背错 →分类时投票把错的“投掉”，回归时算平均把偏激的值“拉回来”

就像买二手手机估价：如果只有一个店员，他可能因为看到一道划痕就拼命压价（预测值偏低）；但让100个店员来估价，有的人看到了划痕，有的人看到了高配置，最后把100个人的报价取个平均，几个“想歪了”的极端报价就被综合抵消了。

这就是随机森林比单棵决策树更稳定的关键：多样性 + 多数投票/取平均。

🔵 笔记速记

两个随机 → 树不一样 → 分类投票/回归取平均能互补 → 缓解过拟合 → 更稳定。

核心公式一句话：多样性 + 多数投票/取平均 = 随机森林的稳定。

五、随机森林工作流程

🟢 趣味理解

把前面所有内容串成一个流程，就是随机森林的完整工作过程：

原始数据（顾客记录） │ ┌──────┼──────┬──────┐ │ │ │ │ ← 随机抽样数据（Bootstrap） 树1 树2 树3 ... 树N │ │ │ │ ← 每次分裂随机选特征 投票 投票 投票 投票 （或取平均） └──────┴───┬──┴──────┘ │ 多数票/平均值 = 最终结论

三步走：

1. 自助采样→ 给每棵树准备不同的训练数据
2. 分别建树→ 每棵树分裂时只看随机挑的特征
3. 投票/平均→ 分类投票，回归取平均

🧩比喻串起来：先给100位店员发不同的顾客资料（随机一）→ 每人只看自己关心的角度做推荐（随机二）→ 最后开会综合结论（分类投票/回归平均）。

🔵 笔记速记

三步走：① 自助采样 → ② 分别建树 → ③ 投票/平均。

六、课堂讨论与闯关练习🗣️

6.1 趣味闯关练习

1.【森林之心】随机森林之所以叫“森林”，是因为它由许多______组成。
A. 树叶
B. 决策树
C. 动物
D. 数据

答案：B
解析：就像一片森林由很多树组成，随机森林由很多棵决策树组成。树越多，森林越“茂盛”，判断结果通常越准确。

2.【少数服从多数】在随机森林进行分类任务时（比如判断一个动物是猫还是狗），最终的结论是如何得出的？
A. 由第一棵决策树决定
B. 由最准确的那棵决策树决定
C. 所有决策树进行“投票”，票数多的类别获胜
D. 取所有决策树结果的平均值

答案：C
解析：这就像班级里选班长，每个同学（决策树）都投票，获得票数最多的候选人（类别）当选。这种“集体决策”的力量比单个人决策更可靠。（注意：选D那是回归任务的做法哦！）

3.【真假判断】判断下列说法是否正确：

(1) 随机森林中的每一棵决策树看到的训练数据都是一模一样的。（ ）

答案：错误
解析：随机森林使用“Bootstrap”方法，即从原始数据中有放回地随机抽取样本，为每棵树生成一个略有不同的训练集。这叫“袋外数据”，让每棵树学到不同的知识。

(2) 随机森林在构建每棵决策树时，会考虑所有特征来找最佳分割点。（ ）

答案：错误
解析：为了防止所有树都一样，随机森林在每次分裂时，只会从全部特征中随机选取一部分特征进行考察。这增加了树的多样性。

6.2 小组讨论

Q1：如果每棵树都一模一样，投票还有意义吗？

参考答案：没有意义。投票的价值在于多样性——不同的树犯不同的错，多数投票才能把个别错误“投掉”。两个“随机”就是为了保证这种多样性。

Q2：单棵决策树 vs 随机森林，谁更稳定？为什么？

参考答案：随机森林更稳定。单棵树容易过拟合、换个数据就波动大；随机森林靠“多样性 + 多数投票/取平均”互相纠错，更稳、抗过拟合。

Q3（课程思政）：这个算法给你什么启发？

参考答案：团队协作优于单打独斗。一个人可能偏科、会犯错，但一个分工明确、各看一角度的团队，通过讨论和综合判断，能做出更可靠的决策——这正是今后工作中需要的职业素养。

七、课堂小结

🔵 必记三个要点

1. 集成思想：多棵决策树 > 单棵决策树，“三个臭皮匠顶个诸葛亮”
2. 随机森林概念：多棵树组成“森林”，分类投票（少数服从多数），回归取平均
3. 两个“随机”：① 随机抽样数据（Bootstrap 自助采样） ② 随机选择特征

💬随堂自测：随机森林与单棵决策树是什么关系？两个“随机”各指什么？（能用自己的话说出来，就说明掌握了）

八、课后拓展任务 ✍️

用自己的话解释：随机森林为什么比单棵决策树更可靠？请结合“两个随机”写不少于100字。

写作提示：

• 先说单棵决策树的缺点（过拟合、不稳定，比如奶茶店把个例当规律）
• 再说随机森林怎么用“很多棵树”来解决
• 重点讲两个“随机”分别让树变得怎样不同
• 最后点出“多样性 + 多数投票/取平均”为什么能纠错、更稳定

📌 本课只聚焦原理，这些先了解就好

本节课聚焦集成思想和两个“随机”，不展开复杂参数和调参。下面这些是后续课程的内容，先有个印象即可：

• n_estimators：森林里种多少棵树（默认100），越多越稳但越慢
• max_depth：每棵树最深长多少，限制它防钻牛角尖
• max_features：每次分裂随机看几个特征——这就是“随机二”的参数
• bootstrap：是否用有放回抽样（默认开启）——这就是“随机一”的参数

代码实操我们会在后续上机课中一步步跑通鸢尾花例子，今天先把原理吃透 💪

🗂️ 全课概念速查卡（考前背诵版）

📚参考资源

• 菜鸟教程《随机森林》：https://www.runoob.com/ml/ml-random-forest.html
• CSDN《十大算法之一随机森林算法原理讲解》：https://blog.csdn.net/weixin_50804299/article/details/139783735
• 上节课习题《决策树习题》：https://blog.csdn.net/Michelle8023/article/details/151974273