机器学习-随机森林-总结及源代码应用（python版）

 

随机森林

摘要

       随机森林是一种比较新的机器学习模型。随机森林对多元共线性不敏感，结果对缺失数据和非平衡的数据比较稳健，可以很好地预测多达几千个解释变量的作用（Breiman 2001b），被誉为当前最好的算法之一（Iverson et al. 2008）。

随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。

关键词:随机森林；决策树；分类算法

 

1实验目的

       编写程序对选择的数据集进行缩放。利用随机森林算法，通过相应代码分割原始样本，分成相应的任务集群。使用算法，来确定算法参数。同时使用随机森林算法,可以为以后更深一步的机器学习打下基础。

2实验数据介绍

        数据来自于一个模拟的美国空军局域网，网络中加了很多模拟的攻击。实验的训练数据为7周的网络流量，这些网络流量包含有约500万条网络连接;实验的测试数据为2周的网络流量，包含有约200万条网络连接。该网络环境中模拟的攻击分为4大类，如下表所示，正常的网络连接标记为normal。

 

标识类型	含义	具体分类标识
Normal	正常记录