站点介绍

此站点是用 vitePress 搭建的，里面将会包含正心的全部个人的知识体系至少将会拥有 python 基础、Python tkinter 桌面应用开发、Python 自动化办公、Python 网站开发、Python 数据分析的完整知识体系。

此站点上将会上传系统的课程资料、案例，并且会搭建编程学习的整个知识体系。

使用以下描述生产图片，图片为 19:6 格式。大小需要容纳所有的内容

# 什么是随机森林？

## 输入数据 (Input Data)

+ 绘制一个大的正方形内
    + 正方形四个小的正方形，前三个正方形里面填充天蓝色，第四个正方形里面分为四个部分，分别是橙色、蓝色、绿色、白色。
    + 四个小正方形下面有`身高、体重、年龄文字`
+ 第一个正方形指向第二个正方形，第二个正方形里面显示`数据采集`四个文字，四个文字前面给一个合适的 emoji 
+ 第二个正方形指向第三个正方形，正方形内有一个小三角形，里面填充橙色

原始训练数据集
> 矩形框内包含几行带标签的小方块，例如：`[身高, 体重, 年龄] -> [是否健康]`
> 标注文字：“原始训练数据集”。

## 数据采样与特征选择 (Data Sampling & Feature Selection)
- 从“原始训练数据集”向下画出 3 条分叉箭头，每条箭头指向一个独立的“决策树”图标。
- 在每条箭头旁边标注：
    - “随机采样 (Bootstrap)：有放回地抽取数据子集”
    - “随机选择特征：每次分裂只考虑部分特征”

## 多棵决策树 (Multiple Decision Trees)
- 画出 3-5 棵结构各异的决策树（树形图，有根节点、内部节点和叶节点）。
- 每棵树的根节点和内部节点上的判断条件不同，如“身高 > 170cm?”、“体重 < 60kg?”，体现“随机性”。
- 每棵树下方标注：“决策树 1”、“决策树 2”、“决策树 3”等。

## 集成预测 (Ensemble Prediction)
- 从每棵决策树的叶节点（预测结果）画箭头汇聚到一个大的“投票箱”或“求平均”图标。
- “投票箱”图标内可以画几个不同的结果标签（如“健康”、“不健康”）和对应的小票数。
- 从“投票箱”向下画一个箭头，指向最终的预测结果。
- 标注文字：“集成方法：多数投票（分类）或求平均（回归）”。

## 最终输出 (Final Output)
- 画一个大的矩形，里面写着最终的预测结果，例如：“最终预测：健康”。
- 标注文字：“随机森林最终预测”。

## 整体说明文字
在图片一侧或底部用简洁文字总结：
> **随机森林 (Random Forest)** 是一种集成学习算法。
> 1. **随机性**：通过“有放回采样”和“随机选择特征”构建多棵不同的决策树。
> 2. **多样性**：每棵树在不同的数据子集和特征子集上训练。
> 3. **集成**：所有树的预测结果通过“投票”或“平均”得出最终结果，提高准确性和鲁棒性。

## 视觉风格建议
- 使用清晰、简洁的线条和图标。
- 用不同颜色区分不同的决策树和数据流。
- 文字使用清晰易读的中文字体。