机器学习第一步，这是一篇手把手的随机森林入门实战

选自TowardsDataScience作者：Alexander Cheng机器之心编译参与：高璇、思到了 2020 年，我们已经能找到很多好玩的机器学习教程。本文则从最流行的随机森林出发，手把手教你构建一个模型，它的完整流程到底是什么样的。作为数据科学家，我们可以通过很多方法来创建分类模型。最受欢迎的方法之一是随机森林。我们可以在随机森林上调整超参数来优化模型的性能。在用模型拟合之前，尝试主成分分析（PCA）也是常见的做法。但是，为什么还要增加这一步呢？难道随机森林的目的不是帮助我们更轻松地理解特征重要性吗？当我们分析随机森林模型的「特征重要性」时，PCA 会使每个「特征」的解释变得更加困难。但是 PCA 会进行降维操作，这可以减少随机森林要处理的特征 ………………………………