随机森林理论浅析

• 作者: 董师师 黄哲学
• 来源期刊: 集成技术
• 关键词: 随机森林 数据挖掘 机器学习
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 1-7
• 页数: 7页
• 字数: 6396字
• 语种: 中文

摘要

随机森林是一种著名的集成学习方法,被广泛应用于数据分类和非参数回归.本文对随机森林算法的主要理论进行阐述,包括随机森林收敛定理、泛化误差界以和袋外估计三个部分.最后介绍一种属性加权子空间抽样的随机森林改进算法,用于解决超高维数据的分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄哲学		6	249	4.0	6.0
3	董师师		1	162	1.0	1.0