随机森林算法研究综述

被引:481
作者
吕红燕
冯倩
机构
[1] 河北经贸大学信息技术学院
关键词
随机森林; 集成学习; 机器学习; 决策树;
D O I
10.16191/j.cnki.hbkx.2019.03.005
中图分类号
TP181 [自动推理、机器学习];
学科分类号
140502 [人工智能];
摘要
随机森林算法是一种基于决策树的集成学习算法,具有很高的预测准确率,对异常值和噪声具有很好的容忍度,而且不容易出现过拟合,在医学等领域具有广泛的应用。首先介绍了随机森林算法的原理和性质,然后综述了近几年来随机森林算法的改进研究及应用领域,最后对随机森林算法研究做出了总结。
引用
收藏
页码:37 / 41
页数:5
相关论文
共 15 条
[1]
一种基于聚类约简决策树的改进随机森林算法 [J].
王诚 ;
王凯 .
南京邮电大学学报(自然科学版), 2019, 39 (03) :91-97
[2]
一种非平衡数据分类的过采样随机森林算法 [J].
赵锦阳 ;
卢会国 ;
蒋娟萍 ;
袁培培 ;
柳学丽 .
计算机应用与软件, 2019, 36 (04) :255-261+316
[3]
一种处理非平衡数据集的优化随机森林分类方法 [J].
马海荣 ;
程新文 .
微电子学与计算机, 2018, 35 (11) :28-32
[4]
基于分类精度和相关性的随机森林算法改进 [J].
王日升 ;
谢红薇 ;
安建成 .
科学技术与工程, 2017, 17 (20) :67-72
[5]
一种随机森林的混合算法 [J].
曹正凤 ;
谢邦昌 ;
纪宏 .
统计与决策, 2014, (04) :7-9
[6]
面向非平衡训练集分类的随机森林算法优化 [J].
吴琼 ;
李运田 ;
郑献卫 .
工业控制计算机, 2013, 26 (07) :89-90
[7]
随机森林与支持向量机分类性能比较 [J].
黄衍 ;
查伟雄 .
软件, 2012, 33 (06) :107-110
[8]
数据挖掘中决策树算法的探讨 [J].
唐华松 ;
姚耀文 .
计算机应用研究, 2001, (08) :18-19+22
[9]
基于随机森林的高维不平衡数据分类方法研究 [D]. 
徐少成 .
太原理工大学,
2018
[10]
随机森林算法处理不平衡数据的改进及其并行化 [D]. 
钟龙申 .
广东工业大学,
2016