RandomForestClassifier() 有哪些超参数

RandomForestClassifier() 是一种基于随机森林算法的分类器，它可以用于解决分类问题。下面是RandomForestClassifier() 的一些常用超参数：

1. n_estimators：指定森林中树的数量。较大的值可以提高模型的性能，但会增加训练时间和内存消耗。

2. criterion：用于衡量特征选择质量的函数。常见的选项有"gini"和"entropy"。默认为"gini"，表示使用基尼系数进行特征选择。

3. max_depth：指定每棵树的最大深度。较大的值可以提高模型的性能，但也容易导致过拟合。

4. min_samples_split：指定进行节点分裂所需的最小样本数。较小的值可以导致模型过拟合，较大的值可以防止过拟合。

5. min_samples_leaf：指定叶节点上所需的最小样本数。较小的值可以导致模型过拟合，较大的值可以防止过拟合。

6. max_features：指定每棵树在进行特征选择时考虑的最大特征数。较小的值可以减少模型的方差，较大的值可以增加模型的偏差。

7. bootstrap：指定是否使用自助法（bootstrap）采样。默认为True，表示使用自助法采样。

8. class_weight：指定各个类别的权重。可以是"balanced"，表示根据样本数量自动调整权重，也可以是自定义的权重。

以上是RandomForestClassifier() 的一些常用超参数，根据具体问题和数据集的特点，可以选择适当的超参数值来优化模型性能。