RandomForestRegressor函数各参数含义

`RandomForestRegressor`是scikit-learn库中的随机森林回归模型，其主要参数有：

1. **n_estimators** (默认=100)：森林中的决策树数量。越多的树通常能提供更好的预测性能，但计算成本会增加。

2. **criterion** (默认='mse')：用于划分节点的标准，可以选择'mse'（均方误差）或'std_deviation'（方差）。

3. **max_depth** (默认=None)：每个决策树的最大深度。如果设置为None，则无限制地增长，直到所有叶子节点都是纯数据点。

4. **min_samples_split** (默认=2)：创建新节点所需的最小样本数。较小值可能导致过拟合。

5. **min_samples_leaf** (默认=1)：叶节点至少需要的样本数。同样有助于防止过拟合。

6. **max_features** (默认='auto')：选择特征的数量。可以是整数、比例（如'n'表示sqrt(n)），或者'auto', 'sqrt', 'log2'等字符串选择策略。

7. **bootstrap** (默认=True)：是否在构建每棵树时对数据进行抽样（Bootstrap Aggregating，即Bagging）。

8. **oob_score** (默认=False)：是否启用自助采样法估计模型的表现，不需要独立验证集。

9. **random_state** (默认=None)：随机种子，保证每次运行结果的一致性。