隨機森林

隨機森林 思想Bagging的策略： 從樣本集中重採樣(有可能存在重複)選出n個樣本在所有屬性上，對這n個樣本建立分類器(ID3、C4.5、CART、SVM、Logistic迴歸等) 重複上面兩步m次，產生m個分類器將待預測數據放到這m個分類器上，最後根據這m個分類器的投票結果，決定待預測數據屬於那一類(即少數服從多數的策略) 在Bagging策略的基礎上進行修改後的一種算法 從樣本集中用Boot

>>阅读原文<<