1、随机森林简介：
”三个臭皮匠顶上一个诸葛亮“非常适合形容随机森林。小果在这里简单通俗的说一下，随机森林就是通过多个决策树模型（森林）组成的集成算法，决策树各不相同，是随机从样本中抽取一部分组成的，每个决策树虽然是一个弱的分类器，都把他们最优的部分集成在一块，就形成了一个强分类器。
2、随机森林的作用：
就我们生物信息学而言，随机森林在分类（二分类）中发挥着十分重要的作用。例如，大家想寻找一些在癌症中发挥重要功能的基因，只要有两组数据，比如这些基因在癌症和癌旁的表达数据就可以进行分析，小果就可以帮大家实现；再比如大家想找出一些在细胞增殖、分化过程中比较重要的因子，只要有这些因子在这两个时期的表达数据，小果也可以帮大家实现！！这么好用的工具，还等什么，赶快跟着小果学起来吧！！！
3、随机森林具体操作代码
rm(list = ls())
library(“randomForest”)
########设置一个种子
set.seed(1243)
#################读取数据
data = read.csv(“lncRNAdatas.csv”,header = T,row.names = 1)
#############数据格式
########随机森林代码读入,并绘制随机森林图片
rf = randomForest(as.factor(data$Group)~.,data=data,importance=T,proximity=T,ntree=500)
plot(rf,main=”Romdom Forest”,lwd=2)
#########寻找误差最小的trees
optionTrees = which.min(rf$err.rate[,1])
rf2 = randomForest(as.factor(data$Group)~.,data=data,importance=T,proximity=T,ntree= optionTrees)
#########查看基因重要性,并绘图
importance = importance(x=rf2)
varImpPlot(rf2,main=””)
看完小果的代码之后，是不是觉得特别简单！赶快行动起来吧！！如果有什么不明白的地方，欢迎来和小果讨论哦！！！