决策树
决策树方法（decision tree）是一种代表因子值和预测值之间的一种映射关系。从决策树的“根部”往“枝叶”方向走，每路过一个节点，都会将预测值通过因子的值分类。决策树的结构如下所示：
如果我们把上图中的绿色想象成股票下跌，红色为股票上涨。同时，在每个黄色节点的分类是根据因子值阈值大小选择走左边还是右边，那么走到决策树的末端能够预测出股票的上涨与下跌。
虽然决策树能够很好的处理数据的异常值，使得极端值不会影响整个模型的构建结果，但是同样的，决策树容易出现过度拟合现象，无法正确处理噪声数值。于是，我们需要随机森林算法来改善。
Tips: 在量化预测中，由于金融市场的数据存在大量噪声，我们必须限制树的高度（即层数）防止过度拟合。当预测正确率在70%~80%之间时，可以设定决策树的最大层数。
随机森林
“森林”即指大量的决策“树”组成了森林。随机森林的想法来自于bootstrap aggregating (缩写为 bagging）；即让该学习算法训练多轮，每轮的训练集由从初始的训练集中随机取出的n个训练样本组成，某个初始训练样本在某轮训练集中可以出现多次或根本不出现，训练之后可得到一个预测函数序列h_1，⋯ ,h_n ，最终的预测函数H对分类问题采用投票方式，对回归问题采用简单平均方法对新示例进行判别。所以，bagging的主要想法是平均许多噪声较多但是相对来说是无偏差性的模型，以此来降低噪声。
B = 建立的树的总棵树， T_1...T_b...T_B = 1~B编号的树，N = 总训练样本数，Z = 抽样数，p = 总因子数，m= 抽取因子数，树的高度 = h。
随机森林（Random Forest）的算法：
For b=1 to B;
(a) 从训练样本总数为N中随机抽取样本 Z个
(b) 以下列三个标准来建立一棵随机森林的树 T_b，直到树的高度达到h
i. 从p个因子中随机取出m个因子
ii. 找出m个因子中最佳的分类因子p*
iii. 以该因子将一个节点分成两个子节点
输出树的合集{ T_1...T_b...T_B }
将测试组的数据放入所有的棵树中得出B个预测结果，求出预测结果的平均值则为我们最后需要的预测值。
总结
在量化中实现随机森林算法时，建议在决策树的建立时，可以使用python的sklearn。然而，更加推荐根据上述算法过程为自己的策略量身定做。
