我在 Python 中使用的随机森林的实现有点麻烦。请记住，我很清楚 Python 并非用于高效的数字运算。选择更多是基于希望对 Python 有更深入的了解和额外的经验。我想找到一个解决方案，使其“合理”。
话虽如此，我很好奇这里是否有人可以对我的实现提出一些性能改进建议。通过分析器运行它，很明显大部分时间都花在了执行 list “append” 命令和我的数据集拆分操作上。本质上，我有一个大型数据集实现为矩阵（而不是列表列表）。我正在使用该数据集构建决策树，因此我将拆分具有最高信息增益的列。拆分包括创建两个新数据集，其中仅包含与某些标准匹配的行。新数据集是通过初始化两个空列表并向它们附加适当的行来生成的。
我事先不知道列表的大小，所以我不能预先分配它们，除非可以预先分配丰富的列表空间，然后在最后更新列表大小（我在任何地方都没有看到这个引用） .
有没有更好的方法在 python 中处理这个任务？