基于随机森林算法的两阶段变量选择研究

被引：16

作者：

冯盼峰

温永仙

机构：

[1] 福建农林大学计算机与信息学院

来源：

系统科学与数学 | 2018年 / 38卷 / 01期

关键词：

随机森林; 变量选择; 变量重要性; QTL定位;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

变量选择在高维数据处理中尤为重要,其中变量的重要性评级是关键问题.文章提出基于随机森林两阶段逐步变量选择算法.第一阶段提出变量重要性排序改进方法,目的进一步提高重要变量与噪声变量的区分度.第二阶段基于随机森林的逐步变量选择.通过模拟数据验证该方法的有效性和可行性.对水稻数据QTL定位进行实证研究,将基于两阶段随机森林逐步变量选择算法与SCAD、Elastic Net、传统QTL定位WinQTLcart2.5软件的运行结果比较,发现基于随机森林两阶段逐步变量选择算法能有效筛选变量.

引用

页码：119 / 130

页数：12

共 6 条

[1] A new variable importance measure for random forests with missing data
Hapfelmeier, Alexander
Hothorn, Torsten
Ulm, Kurt
Strobl, Carolin
[J]. STATISTICS AND COMPUTING, 2014, 24 (01) : 21 - 34
[2] Letter to the Editor: On the stability and ranking of predictors from random forest variable importance measures[J] . Kristin K. Nicodemus. Briefings in Bioinformatics . 2011 (4)
[3] Variable selection using random forests
Genuer, Robin
Poggi, Jean-Michel
Tuleau-Malot, Christine
[J]. PATTERN RECOGNITION LETTERS, 2010, 31 (14) : 2225 - 2236
[4] Prediction of Tumoricidal Activity and Accumulation of Photosensitizers in Photodynamic Therapy Using Multiple Linear Regression and Artificial Neural Networks[J] . Photochemistry and Photobiology . 2007 (5)
[5] Unbiased Recursive Partitioning: A Conditional Inference Framework[J] . Torsten Hothorn,Kurt Hornik,Achim Zeileis. Journal of Computational and Graphical Statistics . 2006 (3)
[6] Random Forests.[J] . Leo Breiman. Machine Learning . 2001 (1)

← 1 →