为了进行二元预测，我有5个特征想用于我的随机森林分类器，但其中两个特征完全没有被利用。我理解机器学习的整个要点就是选择有用的特征，但另外三个特征可能存在偏见数据，我希望确保所有特征都能以相同的权重被使用来运行我的分类器。我找不到这个问题的直接答案。我使用sklearn在python中进行这项工作。任何评论/建议将不胜感激。

回答：

您可以通过设置max_features = None来要求随机森林分类器在每次分裂时都考虑所有特征。

根据文档：

max_features : int, float, string or None, optional (default=”auto”)

在寻找最佳分裂时要考虑的特征数：

如果是整数，则每次分裂时考虑max_features个特征。

如果是浮点数，则max_features是一个分数，每次分裂时考虑int(max_features * n_features)个特征。

如果是“auto”，则max_features=sqrt(n_features)。

如果是“sqrt”，则max_features=sqrt(n_features)（与“auto”相同）。

如果是“log2”，则max_features=log2(n_features)。

如果是None，则max_features=n_features。

在为什么单棵树的随机森林比决策树分类器好得多？这个问题下的答案可能有助于解释并提供一些背景信息。