算法 隨機森林

隨機森林RF：以決策樹爲基學習器構建Bagging集成，由多棵CART構成的，進一步在決策樹的訓練過程中引入隨機屬性選擇。傳統決策樹在選擇劃分屬性的時候是在當前節點所有的屬性集合中選出一個左右屬性進行劃分；而在RF中，對基決策樹的每個節點，先從該節點的屬性集合中隨機選擇一個包含k個屬性的子集，然後再從這個子集中選擇一個最優屬性用於劃分。這裏的參數k控制了隨機性的引入程度。如果k=d（全部屬性集），

>>阅读原文<<