随机森林算法
1.1 题目的主要研究内容
- 小组的主要任务描述
查找相关资料并介绍随机森林的基本原理,查找相关例程及数据,使用Python和MATLAB软件对随机森林的算法进行演示并分析结果,总结随机森林算法的优缺点及适用性。
- 自己工作的主要描述
查找数据集及随机森林算法例程,通过Python软件导入数据集对随机森林算法进行演示和讲解,对运行结果进行分析及评判。
1.2 题目研究的工作基础或实验条件
(1)硬件环境(PC机)
(2)软件环境(Python)
1.3 设计思想
从原始训练集中随机有放回采样取出m个样本,共进行n次采样。生成n个训练集。对n个训练集,我们分别训练n个决策树模型,对于单个决策树模型,每次分裂时根据信息增益/信息增益比/基尼指数,选择最好的特征进行分裂。每棵树都已知这样分裂下去,知道该节点的所有训练样例都属于同一类。在决策树的分裂过程中不需要剪枝。将生成的多颗决策树组成随机森林。对于分类问题,按照多棵树分类器投票决定最终分类结果;对于回归问题,由多颗树预测值的均值决定最终预测结果。
1.4 基本思路
(1)导入文件并将所有特征转换为float形式。
(2)将数据集分成n份,方便交叉验证,构造数据子集(随机采样),并在指定特征个数(假设m个,手动调参)下选取最优特征。
(3)构造决策树,创建随机森林(多个决策树的结合)。
(4)输入测试集并进行测试,输出预测结果。
1.5 构造步骤