《卷积神经网络与计算机视觉》笔记

1.随机森林（RDF）

随机决策森林[1986]是决策树的集成。分支节点基于特征向量的特定特征值f[i]（即下图中判断图片上/下部分是否为蓝色）根据阈值${\tau }_i$执行二元分类，每个叶子存储最终标签。每棵树独立预测，最终使用多数投票方案用于预测特征向量的最终标签。
训练：
搜索最好的f[i]和${\tau }_i$以获得最大的信息增益。
将数据集Q划分为左分区$Q_l$和$Q_r$之后的信息熵为：
$H(Q|f[i],{\tau }_i)=\frac{|Q_l|}{|Q|}H(Q_l)+\frac{|Q_r|}{|Q|}H(Q_r)$

分类：
p ( c ∣ x j ) = 1 T ∑ t = 1 T p t ( c ∣ x j ) p(c|x_j)={1\over{T}}\sum_{t=1}^{T}p_t(c|x_j) p(c∣xj​)=T1​∑