我需要为一个练习创建一个随机森林分类器，练习中明确指出参数设置，我引用我的语言中的描述：

袋内样本百分比：25% 50% 85%

单个节点的维度数量：10%，50%，80%

我使用scikit-learn来实现这个分类器，但我不知道如何设置袋内样本百分比和节点维度数量的参数。

回答：

你可以使用max_features参数来定义维度数量。比如这样：

rf = RandomForestClassifier(max_features=.1)

遗憾的是，RandomForestClassifier目前还不支持子采样（即袋内样本百分比）。然而，这个功能已经在scikit-learn的当前开发分支中被添加，未来将会可用。

目前一个好的解决方法是使用BaggingClassifier：它有一个max_samples参数用于子采样，并且可以使用DecisionTreeClassifier作为基础estimator来变成RandomForestClassifier。

base = DecisionTreeClassifier(max_features=.1)    rf = BaggingClassifier(base_estimator=base, max_samples=.25)

请注意，BaggingClassifier也有一个max_features参数，但它的作用方式与随机森林不同。