随机森林模型在分类与回归分析中的应用

• 作者: 李欣海
• 来源期刊: 应用昆虫学报
• 关键词: 随机森林 分类树 判别分析 回归 机器学习
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 技术与方法
• 页码范围: 1190-1197
• 语种: 中文
• DOI: 10.7679/j.issn.2095-1353.2013.163

摘要

随机森林(random forest)模型是由Breiman和Cutler在2001年提出的一种基于分类树的算法.它通过对大量分类树的汇总提高了模型的预测精度,是取代神经网络等传统机器学习方法的新的模型.随机森林的运算速度很快,在处理大数据时表现优异.随机森林不需要顾虑一般回归分析面临的多元共线性的问题,不用做变量选择.现有的随机森林软件包给出了所有变量的重要性.另外,随机森林便于计算变量的非线性作用,而且可以体现变量间的交互作用(interaction).它对离群值也不敏感.本文通过3个案例,分别介绍了随机森林在昆虫种类的判别分析、有无数据的分析(取代逻辑斯蒂回归)和回归分析上的应用.案例的数据格式和R语言代码可为研究随机森林在分类与回归分析中的应用提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李欣海	中国科学院动物研究所	17	1039	11.0	17.0