为了提高随机森林数据的分类预测准确率，对随机森林中的树木个数和最小叶子点数参数利用麻雀算法进行优化。
数据集，中包含input 数据和output 数据。其中input 数据维度伟2000*2，ouput数据维度为2000*1.所以RF模型的数据输入为2维，输出为1维。
优化参数为RF中树木个数和最小叶子节点数。适应度函数为RF对训练集和测试集的均方误差（MSE），均方误差MSE越低越好。
从结果看，改进随机森林明显优于基础随机森林
3.代码获取
为了提高随机森林数据的分类预测准确率，对随机森林中的树木个数和最小叶子点数参数利用麻雀算法进行优化。
数据集，中包含input 数据和output 数据。其中input 数据维度伟2000*2，ouput数据维度为2000*1.所以RF模型的数据输入为2维，输出为1维。
优化参数为RF中树木个数和最小叶子节点数。适应度函数为RF对训练集和测试集的均方误差（MSE），均方误差MSE越低越好。
从结果看，改进随机森林明显优于基础随机森林
3.代码获取
