RF方法:
1. 训练集获取
利用bootstrap方法,选取m个样本,获得一个训练子集;重复T遍,获得T个训练子集。
2. 训练
以决策树作为基分类器。随机从属性集中随机选择k个属性,针对k个属性,采用传统的最优属性划分方法进行属性划分。对T个训练集进行训练,就得到T个不同的基分类器。
3.预测
针对分类任务,利用投票方式预测。
针对回归任务,利用简单平均方式预测。
RF方法:
1. 训练集获取
利用bootstrap方法,选取m个样本,获得一个训练子集;重复T遍,获得T个训练子集。
2. 训练
以决策树作为基分类器。随机从属性集中随机选择k个属性,针对k个属性,采用传统的最优属性划分方法进行属性划分。对T个训练集进行训练,就得到T个不同的基分类器。
3.预测
针对分类任务,利用投票方式预测。
针对回归任务,利用简单平均方式预测。