随机森林分类 (Random Forest Classification)

项目概述

本项目是一个基于 Python scikit-learn 库实现的随机森林分类器示例。随机森林是一种集成学习算法，通过构建多个决策树并汇总它们的输出（投票机制）来提高模型的准确性和稳定性，同时有效防止过拟合。

核心功能

1. 数据生成：自动生成符合高斯分布的模拟分类数据集，包含多个特征和三个目标类别。
2. 模型训练：使用 100 棵决策树构建随机森林模型，并限制树的最大深度以优化泛化能力。
3. 模型评估：输出测试集的准确率、精确率、召回率和 F1 分数。
4. 特征分析：计算并展示对分类结果影响最大的前 5 个特征。
5. 预测接口：提供简单的函数接口，支持对单个新样本进行实时预测。

依赖环境

• Python 3.8+
• NumPy
• Scikit-learn

运行方式

直接在终端运行：

python main.py

程序将自动执行数据加载、训练、评估及示例预测流程。

结果展示说明

本部分描述运行 main.py 后的预期文本输出内容。

1. 训练过程输出

当脚本开始运行时，控制台首先会显示：

正在训练随机森林模型...

这表示模型正在利用 800 个训练样本构建 100 棵决策树。

2. 模型评估输出

训练完成后，程序将输出详细的评估指标：

• 准确率 (Accuracy)：

输出格式为 准确率 (Accuracy): 0.XXXX。由于使用的是模拟数据且随机森林性能通常较好，预期数值在 0.90 到 0.95 之间。

• 分类报告 (Classification Report)：

随后会打印一个表格，包含三类（Class 0, Class 1, Class 2）的以下指标：

- `precision` (精确率)
- `recall` (召回率)
- `f1-score` (F1 分数)
- `support` (样本数量)

每一类的各项指标预期均在 0.88 以上。

3. 特征重要性输出

接着，程序会列出对分类贡献最大的前 5 个特征：

--- 前 5 个最重要特征 ---
特征 X: 重要性得分 0.XXXX
...
输出将按重要性得分从高到低排列，显示具体的特征索引及其对应的浮点数得分。

4. 单样本预测演示

最后，程序会对一个由 20 个 0.5 组成的虚拟样本进行预测：

• 输入：一个长度为 20 的列表，所有元素均为 0.5。
• 输出：

新样本预测结果：类别 Y, 概率分布 [P0, P1, P2]

其中：

- `Y` 是模型预测的类别标签（0、1 或 2 中的一个整数）。
- `[P0, P1, P2]` 是该样本属于这三个类别的概率数组，三个概率之和严格等于 1.0。例如，可能输出 `类别 1, 概率分布 [0.05, 0.92, 0.03]`，表示模型有 92% 的把握认为该样本属于第 1 类。