https://github.com/PacktPublishing/Machine-Learning-Algorithms

使用sci-kit learn

一樣先導入套件，上面的是用來算數學的;下面的是用來畫畫的，並且幫它們取綽號(np & plt)。

import numpy as np
import matplotlib.pyplot as plt

再來，用seed()隨機產生整數的亂數後，設定樹的數量100，再用for迴圈將準確率加到rf_accuracy裡面。根據下圖結果，可以知道大概在30到40棵樹之間，準確率會高達95%，最後會趨近穩定。

from sklearn.datasets import make_classification
rf_accuracy = []
np.random.seed(1000)
nb_classifications = 100
for i in range(1, nb_classifications):
    a = cross_val_score(RandomForestClassifier(n_estimators=i), digits.data, digits.target, scoring='accuracy',cv=10).mean()
    rf_accuracy.append(a)

sci-kit learn還有提供一種可選出最佳門檻的版本，使用ExtraTreesClassifier類別，可以幫助減少變異數。可以看到大概在20棵樹左右就有約95%的準確率了。

from sklearn.ensemble import ExtraTreesClassifier
for i in range(1, nb_classifications):
  a = cross_val_score(ExtraTreesClassifier(n_estimators=i), digits.data, digits.target, scoring='accuracy',cv=10).mean()
  et_accuracy.append(a)