随机森林理论浅析

被引：146

作者：

董师师 ^{[1
,2
]}

黄哲学 ^{[1
,2
]}

机构：

[1] 深圳市高性能数据挖掘重点实验室

[2] 中国科学院深圳先进技术研究院

来源：

关键词：

随机森林; 数据挖掘; 机器学习;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

随机森林是一种著名的集成学习方法,被广泛应用于数据分类和非参数回归。本文对随机森林算法的主要理论进行阐述,包括随机森林收敛定理、泛化误差界以和袋外估计三个部分。最后介绍一种属性加权子空间抽样的随机森林改进算法,用于解决超高维数据的分类问题。

引用

页码：1 / 7

页数：7

共 9 条

[1] 基于随机森林方法的基金收益率方向预测与交易策略研究
方匡南
朱建平
谢邦昌
[J]. 经济经纬, 2010, (02) : 61 - 65
[2] 基于随机森林的文本分类模型研究
张华伟
王明文
甘丽新
[J]. 山东大学学报(理学版), 2006, (03) : 139 - 143
[3] 模式分类[M]. 机械工业出版社 , (美)RichardO.Duda等著, 2003
[4] 数据挖掘[M]. 机械工业出版社 , (加)JiaweiHan,（加）MichelineKamber著, 2001
[5] Random forests
Breiman, L
[J]. MACHINE LEARNING, 2001, 45 (01) : 5 - 32
[6] SUPPORT-VECTOR NETWORKS
CORTES, C
VAPNIK, V
[J]. MACHINE LEARNING, 1995, 20 (03) : 273 - 297
[7] Bagging predictors
Breiman, L
[J]. MACHINE LEARNING, 1996, 24 (02) : 123 - 140
[8] Induction of decision trees[J] . J. R. Quinlan.Machine Learning . 1986 (1)
[9] Preventing customer churn by using random forests modeling. YING Wei-yun,LI Xiu,XIE Ya-ya,et al. Proc of IEEE International Conference on Information Reuse and Integration . 2008