随机森林的简要介绍.docx
109 浏览量
2024-02-28
19:27:48
上传
评论
收藏 12KB DOCX 举报
在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman
和 Adele Cutler 发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是 1995 年由贝尔实验室的 Tin Kam Ho
所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 "Bootstrap aggregating" 想法和 Ho 的
"random subspace method"以建造决策树的集合。
随机森林是一种包含很多决策树的分类器，既可以用于处理分类和回归问题，也适用于降维问题。其对异常值与噪音也有很好的
容忍，相较于决策树有着更好的预测和分类性能。 [3]
资源评论
诗者才子酒中仙
- 粉丝: 6291
- 资源: 1067
