示例
使用“垃圾短信识别”案例数据，预测是否为垃圾短信。
其中，分词是为了将短信文本进行分成词语方便分析；停用词处理是为了去除不必要的词语、标点符号、语气词等；TF-IDF是为了计算文本数据的idf值，方便进入模型训练。
随机森林的参数如下：
参数名称 | 值 | 说明 |
|---|---|---|
分裂特征的数量 | 取值范围：>=2的整数； 默认值：32。 | 对连续类型特征进行离散时的分箱数； 该值越大，模型会计算更多连续型特征分裂点且会找到更好的分裂点，但同时也会增加模型的计算量； |
树的深度 | 取值范围：[1,30]的整数；默认值为4。 | 当模型达到该深度时停止分裂； 树的深度越大，模型训练的准确度更高，但同时也会增加模型的计算量且会导致过拟合； |
树的个数 | 取值范围：>=1的整数。默认值为20。 | 随机森林中决策树的棵数。 |
衡量准则 | gini | 裂分标准，Entropy表示熵值，Gini表示基尼指数； |
entropy |
