每棵树的训练数据是从原始数据中随机抽取的，特征选择也是随机的，增强了模型的多样性。R语言提供了多种可视化随机森林的方法，其中一种常用的方法是使用randomForest包中函数来可视化随机森林模型。当随机指标下降而超过下方的基准线，这代表行情进入超卖状态， 超卖意味着过低，可能回升。随机森林原理介绍随机森林，指的是利用多棵树对样本进行训练并预测的一种分类器。

预处理：python实现用随机森林评估特征的重要性随机森林根据森林中所有决策树计算平均不纯度的减少来测量特征的重要性，而不作任何数据是线性可分或不可分的假设。基本思想用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。大多数交易者都是采用电脑计算随机指标，随机指标的期间长短，取决于你所希望辨识的趋势，短期的随机指标（例如：5天）有助于掌握趋势的反转。

1、随机应变

在上升趋势中， 随机指标很容易进入超买区，但它发出卖出讯号之后，行情将持续上涨。随机指标提供三类交易讯号，依重要性的排列顺序为：背离、随机指标的读数与线形方向（参考图30－2）。译按：雷恩本人也提出一个适用于超卖区的相反观念， 称为"随机指标遽降"(Stochastic poop)。当随机指标向上穿越超买线，代表上涨的力量，你可以买进而掌握这波急涨的走势。

2、随机点数大师

超买与超卖的基准线，通常分别设定在80 与20的读数，慢速随机指标很少到达相同的极端读数，这与威廉斯%R不同。当价格上涨而创新高，但随机指标的头部低于前一波涨势的峰位，这构成空头的背离。在"三重滤网"交易系统中，唯有当周线图的趋势向上时，才采用日线图上随机指标的超卖（买进）讯号；同理，唯有当周线图的趋势向下时，才采用日线图上随机指标的超买（卖出）讯号。

3、随机指标和随机相对强弱指标

总结来说，这个项目是一个全面的机器学习实战案例，涵盖了数据探索、可视化、模型构建和评估等多个关键步骤，对于理解和应用机器学习技术，特别是随机森林算法，具有很好的教学价值。线型的方向当随机指标的快速线与慢速线都朝相同的方向发展，这可以确认短期趋势。一旦随机指标由第二个底部翻升，即是强烈的买进讯号：建立多头部位，将停损设定在最近低点的下侧。

4、随机指标和随机指数是一样的吗

而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出，这就是一种最简单的Bagging 思想。所以， 当周线的随机指标发生转折时，它向您提出警告，顺势的MACD柱状图可能在下一周发生转变，对于既有的部位，应该调紧停止点，或开始获利了结。