随机森林的基本在此就不进行赘述了，主要针对调参实践进行总结和自己体会，从而更好的理解模型和数据。

    主要针对树深(maxDepth)、各叶节点最少样本数(minInstances)，树颗数(numTrees)，最小信息增益(minInfoGain)来进行调整，并比较训练集和测试集的AUC，评价标准为训练集AUC不宜过高，因为发现随机森林很容易过拟合，测试集AUC不降低。得出以下几点结论：

1、最小信息增益不宜过大。

2、树颗数增加对模型效果的影响较小。

3、各叶节点最小样本数对模型影响较小。

4、树深对模型影响较大，可适当增加树深，注意测试进行调整。

    各人认为，这均是对过拟合的一些控制，不同场景需区别看待。

这里附上一些测试结果：

①关于minInfoGain

② 关于maxDepth

③ 关于minInstances

④ 关于numTrees