查看“Scikit-learn”的源代码

*python中的机器学习软件库：[https://scikit-learn.org.cn/]

*Installed package of scikit-learn can be accelerated using scikit-learn-intelex. More details are available here: https://intel.github.io/scikit-learn-intelex. For example:

        $ conda install scikit-learn-intelex
        $ python -m sklearnex my_application.py


==包==
*MLPRegressor回归，参考 http://www.weixueyuan.net/a/914.html
===随机森林===
* 参考 [https://zhuanlan.zhihu.com/p/51165358] [https://towardsdatascience.com/an-implementation-and-explanation-of-the-random-forest-in-python-77bf308a9b76]
*n_estimators：随机森林中「树」的数量。
*max_features：每个分割处的特征数。
:max_features = 'sqrt' 这意味着如果有16个特征，则在每个树中的每个节点处，只考虑4个随机特征来拆分节点。
*max_depth：每棵树可以拥有的最大「分裂」数。
*min_samples_split：在树的节点分裂前所需的最少观察数。
*min_samples_leaf：每棵树末端的叶节点所需的最少观察数。
*bootstrap：是否使用 bootstrapping 来为随机林中的每棵树提供数据。（bootstrapping 是从数据集中进行替换的随机抽样。）