今明兩天我們要學習的目標：

• random forest 的起源：
• random forest的原理：
• random forest 的步驟：
• random forest 的程式碼

random forest 的起源：

random forest 的概念起於科學家認為「decison tree」的預估精準度已經接近 85%以上，於是發想嘗試將許多棵「decision tree」結合起來實作，精準度會不會更高，實際實作一下，沒想到效果達到預期，於是「random forest」演算法變誕生。

random forest 的原理：

想像一下，你眼前有兩張圖，圖一是一棵「decision tree」，圖二是許多棵「decision tree」，很容易可以理解與分辨「一棵」與「許多棵」的計算準確度，當然是「許多棵」decison tree精準，因為它是由「許多棵」的decision tree經過平均計算出來的結果。

random forest 的步驟：

random forest是 集成式學習ensemble learning的一種，未「ensemble learning」，之所以會稱為「隨機」，是因為在樣本取出的過程，是採取隨機的方式。所謂的樣本取出指得是我們在day3所談的特徵X與昨日的程式碼X_train，忘記的同學，可由文章下方的連結，去翻閱一下之前所談的。意思就是從datsets 取出來的train sets測試資料集。ensemble learning未來我們還會詳談。

• 明天我們會將「random forest的步驟詳談」，敬請期待。