随机森林回归算法参数详解：RandomForestRegressor() 参数说明

RandomForestRegressor() 是随机森林回归算法的实现，其主要参数解释如下：

• n_estimators：森林中树的个数，默认为 100。
• criterion：衡量分裂质量的评价准则，默认为 'mse'（均方误差）。
• max_depth：决策树最大深度，默认为 None（表示不限制深度）。
• min_samples_split：分裂一个内部节点需要的最小样本数，默认为 2。
• min_samples_leaf：叶子节点最少需要的样本数，默认为 1。
• min_weight_fraction_leaf：叶子节点最小的样本权重和，默认为 0。
• max_features：寻找最优分割点时需要考虑的特征数，默认为 'auto'（即 sqrt(n_features)）。
• max_leaf_nodes：最大叶子节点数，若为 None，则不限制叶子节点数。
• min_impurity_decrease：分裂一个节点需达到的最小信息增益，默认为 0。
• bootstrap：是否采用自助法（有放回地抽样），默认为 True。
• oob_score：是否对模型进行袋外估计，默认为 False。
• n_jobs：并行计算时使用的 CPU 核数，默认为 None（即使用单核）。
• random_state：控制随机性的参数，若为 None，则每次训练时随机性不同。