分类算法——集成学习方法之随机森林(六)

server/2024/10/8 18:06:53/

集成学习方法

集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类
器/模型,各自独立地学习和作出预测。这些预测最后结合成组合预测,因此优于任何一
个单分类的做出预测。

随机森林

在机器学习中,随机森林是一个包含多个决策树分类器,并且其输出的类别是由个别树
输出的类别的众数而定。

例如:如果训练了5个树,其中有4个树的结果是True,1个数的结果是Fals,那么最终投 票结果就是True。

随机森林原理过程

两个随机:训练集随机+特征随机(bootstrap 随机有放回抽样)
训练集随机——N个样本中随机有放回的抽样N个
特征随机——从M个特征中随机抽取m个特征(M >> m,起到降维的效果)

1学习算法根据下列算法而建造每棵树:

  • 用N来表示训练用例(样本)的个数,M表示特征数目
    • 1、一次随机选出一个样本,重复N次,(有可能出现重复的样本)
    • 2、随机去选出m个特征,m<<M,建立决策树
  • 采取bootstrap抽样

2为什么采用BootStrap抽样?

  • 为什么要随机抽样训练集?
    • 如果不进行随机抽样,每棵树的训练集都一样,那么最终训练出的树分类结果也是完全一样的
  • 为什么要有放回地抽样?
    • 如果不是有放回的抽样,那么每棵树的训练样本都是不同的,都是没有交集的,这样每棵树都是“有偏的”,都是绝对“片面的”(当然这样说可能不对),也就是说每棵树训练出来都是有很大的差异的;而随机森林最后分类取决于多棵树(弱分类器)的投票表决。

API

  • class sklearn.ensemble.RandomForestClassifier(n_estimators=10,criterion=‘gini’ max_depth=None, bootstrap=True, random_state=None,min_samples_split=2)
    • 随机森林分类
    • n_estimators:integer,optional(default=10)——森林里的树木数量
      120,200,300,500,800,1200
    • criteria:string,可选(default=“gini”)——分割特征的测量方法
    • max_depth:nteger或None,可选(默认=无)——树的最大深度5,8,15,25,30
    • max_features="auto”——每个决策树的最大特征数量
      • lf “auto”,then max_features=sqrt(n_features)
      • If “sqrt”,then max_features=sqrt(n_features) (same as “auto”)
      • lf “log2”,then max_features=log2(n_features)
      • If None,then max_features=n_features
    • bootstrap:boolean,optional(default=True)——是否在构建树时使用放回抽样
    • min_samples_split:节点划分最少样本数
    • min_samples_leaf:叶子节点的最小样本数
    • 超参数:n_estimator,max_depth,min_samples_split,min_samples_leaf

总结

  • 在当前所有算法中,具有极好的准确率
  • 能够有效地运行在大数据集上,处理具有高维特征的输入样本,而且不需要降维
  • 能够评估各个特征在分类问题上的重要性

http://www.ppmy.cn/server/16969.html

相关文章

SpringBoot - java.lang.NoClassDefFoundError: XXX

问题描述 以 json-path 为例&#xff1a;java.lang.NoClassDefFoundError: com/jayway/jsonpath/Configuration 原因分析 编译不报错&#xff0c;但是运行时报错。 遇到这样类似的问题&#xff0c;首先就要想到是不是 Jar 包冲突引起的&#xff0c;或者引入的不是理想的 Jar…

市场投放用户获取方面如何做数据分析

常用数据分析指标 1. 基础指标 下载量: 指通过广告投放带来的下载安装量。 安装率: 指广告点击后下载安装的用户占比。 激活率: 指下载安装后启动应用的用户占比。为了防止假量和刷量&#xff0c;一般会把激活动作定义得更严格更深层一些。比如用户浏览30秒&#xff0c;用户…

全面解读CMS系统:核心技术、架构设计与应用实践

引言 内容管理系统&#xff08;Content Management System, CMS&#xff09;作为一种广泛应用的软件平台&#xff0c;以其强大的内容创建、编辑、发布和管理功能&#xff0c;极大地简化了网站、移动应用以及各类数字媒体的内容运营工作。本文将从核心技术、架构设计以及实际应用…

4月26日 阶段性学习汇报

1.毕业设计与毕业论文 毕业设计已经弄完&#xff0c;加入了KNN算法&#xff0c;实现了基于四种常见病的判断&#xff0c;毕业论文写完&#xff0c;格式还需要调整&#xff0c;下周一发给指导老师初稿。目前在弄答辩ppt&#xff08;25%&#xff09;。25号26号两天都在参加校运会…

森林消防隔膜泵的应用与前景——恒峰智慧科技

随着全球气候变暖&#xff0c;森林火灾频发&#xff0c;给生态环境和人类安全带来严重威胁。为有效应对这一挑战&#xff0c;森林消防领域不断引入新技术、新装备。其中&#xff0c;隔膜泵作为一种高效、可靠的消防设备&#xff0c;正逐渐受到广泛关注。本文将探讨森林消防隔膜…

分享基于鸿蒙OpenHarmony的Unity团结引擎应用开发赛

该赛题旨在鼓励更多开发者基于OpenHarmony4.x版本&#xff0c;使用团结引擎创造出精彩的游戏与应用。本次大赛分为“创新游戏”与“创新3D 化应用”两大赛道&#xff0c;每赛道又分“大众组”与“高校组”&#xff0c;让不同背景的开发者同台竞技。无论你是游戏开发者&#xff…

hbase建表时设置预分区

一.hbase rowkey设计的原则 遵循唯一性,散列,不应过长等原则 二.rowkey常用的设计 1.reverse反转 2.salt加盐 3.hash散列 三.hbase建表预分区,指定3个rowkey,分成4个region 在Hbase中,预分区是一种优化手段,用于在创建表时提前规划好Region的分布,以提高数据写入的效率和查询…

碰撞检测与相交测试-unity碰撞检测和相交测试的实现原理

Unity中的碰撞检测和相交测试是通过物理引擎来实现的。Unity使用了基于迭代的动态物理引擎&#xff0c;其中包含了一些常用的碰撞检测算法和相交测试算法。 碰撞检测是指判断两个物体是否发生了碰撞&#xff0c;而相交测试是指判断两个物体是否有交集。 在Unity中&#xff0c…