Java 类名：com.alibaba.alink.operator.batch.feature.RandomForestEncoderTrainBatchOp
Python 类名：RandomForestEncoderTrainBatchOp
使用随机森林分类模型，将输入数据编码为特征。
| 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |
|---|---|---|---|---|---|---|
| labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | ||
| categoricalCols | 离散特征列名 | 离散特征列名 | String[] | 所选列类型为 [BOOLEAN, DATE, DOUBLE, FLOAT, INTEGER, LONG, SHORT, STRING, TIME, TIMESTAMP] | ||
| createTreeMode | 创建树的模式。 | series表示每个单机创建单颗树，parallel表示并行创建单颗树。 | String | “series” | ||
| featureCols | 特征列名数组 | 特征列名数组，默认全选 | String[] | 所选列类型为 [BOOLEAN, DATE, DOUBLE, FLOAT, INTEGER, LONG, SHORT, STRING, TIME, TIMESTAMP] | null | |
| featureSubsamplingRatio | 每棵树特征采样的比例 | 每棵树特征采样的比例，范围为(0, 1]。 | Double | 0.2 | ||
| maxBins | 连续特征进行分箱的最大个数 | 连续特征进行分箱的最大个数。 | Integer | 128 | ||
| maxDepth | 树的深度限制 | 树的深度限制 | Integer | 2147483647 | ||
| maxLeaves | 叶节点的最多个数 | 叶节点的最多个数 | Integer | 2147483647 | ||
| maxMemoryInMB | 树模型中用来加和统计量的最大内存使用数 | 树模型中用来加和统计量的最大内存使用数 | Integer | 64 | ||
| minInfoGain | 分裂的最小增益 | 分裂的最小增益 | Double | 0.0 | ||
| minSampleRatioPerChild | 子节点占父节点的最小样本比例 | 子节点占父节点的最小样本比例 | Double | 0.0 | ||
| minSamplesPerLeaf | 叶节点的最小样本个数 | 叶节点的最小样本个数 | Integer | 2 | ||
| numSubsetFeatures | 每棵树的特征采样数目 | 每棵树的特征采样数目 | Integer | 2147483647 | ||
| numTrees | 模型中树的棵数 | 模型中树的棵数 | Integer | x >= 1 | 10 | |
| numTreesOfGini | 模型中Cart树的棵数 | 模型中Cart树的棵数 | Integer | null | ||
| numTreesOfInfoGain | 模型中Id3树的棵数 | 模型中Id3树的棵数 | Integer | null | ||
| numTreesOfInfoGainRatio | 模型中C4.5树的棵数 | 模型中C4.5树的棵数 | Integer | null | ||
| subsamplingRatio | 每棵树的样本采样比例或采样行数 | 每棵树的样本采样比例或采样行数，行数上限100w行 | Double | 100000.0 | ||
| weightCol | 权重列名 | 权重列对应的列名 | String | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null |