森林随机计算机模型,基于类别随机化的随机森林算法-计算机科学.PDF

第 卷 第 期 计 算 机 科 学

４６ 　 ２ Vol．４６No．２

年 月

２０１９ ２ COMPUTER SCIENCE Feb．２０１９

基于类别随机化的随机森林算法

关晓蔷 庞继芳 梁吉业

(山西大学计算机与信息技术学院 太原 )

０３０００６

(山西大学计算智能与中文信息处理教育部重点实验室 太原 )

０３０００６

, ,

摘 要 随机森林是数据挖掘和机器学习领域中一种常用的分类方法 已成为国内外学者共同关注的研究热点 并被

. ,

广泛应用到各种实际问题中 传统的随机森林方法没有考虑类别个数对分类效果的影响 忽略了基分类器和类别之

, . , ,

间的关联性 导致随机森林在处理多分类问题时的性能受到限制 为了更好地解决该问题 结合多分类问题的特点

( ). ,

提出一种基于类别随机化的随机森林算法 RCRF 从类别的角度出发 在随机森林两种传统随机化的基础上增加

, . ,

类别随机化 为不同类别设计具有不同侧重点的基分类器 由于不同的分类器侧重区分的类别不同 所生成的决策树

, , .

的结构也不同 这样既能够保证单个基分类器的性能 又可以进一步增大基分类器的多样性 为了验证所提算法的有

, . , ,

效性 在 数据库中的 个数据集上将 与其他算法进行了比较分析 实验从两个方面进行 一方面 通过

UCI ２１ RCRF

、 ; ,

准确率 和 系数 个指标来验证 算法的性能 另一方面 利用 误差图从多样性角度对各种算

F１Ｇmeasure Ka a ３ RCRF κＧ

pp

. , , .

法进行对比与分析 实验结果表明 所提算法能够有效提升集成模型的整体性能 在处理多分类问题时具有明显优势

, , ,

关键词 随机森林 多分类问题 类别随机化