介紹(隨機森林) our objective in this study is to train models that are as accurate as the original methods at a lower cost. focus在Random Forests (RF) https://www.youtube.com/watch?v=Ix0UhijD4Ks 隨機森林其實就是進階版的決策樹，所謂的森林就是由很多棵決策樹所組成。隨機森林是使用 Bagging 加上隨機特徵採樣的方法所產生出來的整體學習演算法。還記得在前幾天的決策樹演算法中，當模型的樹最大深度設定太大的話容易讓模型過擬合。因此隨機森林藉由多棵不同樹的概念所組成，讓結果比較不容易過度擬合，並使得預測能力更提升。 實作方法 從訓練集中抽取 n’ 筆資料出來

參考原圖 眼睛 因原圖的阿尼亞表情我不太喜歡，因此有做修改將表情換成笑臉 眼睛的部分要注意以下幾點 先將最亮處的地方用鉛筆框出來(左上) 接著將最深處(中間)以及第二亮點也框出來(下面) 上色步驟都是先從淡色-->深色