基于旋转森林的分类器集成算法研究

• 作者: 邵良杉 马寒
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 旋转森林 分类器集成 主成分分析 决策树
• 年，卷（期）: 2015,（23）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 149-154
• 页数: 6页
• 分类号: TP18
• 字数: 4081字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1311-0252

摘要

为提高决策树的集成分类精度,介绍了一种基于特征变换的旋转森林分类器集成算法,通过对数据属性集的随机分割,并在属性子集上对抽取的子样本数据进行主成分分析,以构造新的样本数据,达到增大基分类器差异性及提高预测准确率的目的.在Weka平台下,分别采用Bagging、 AdaBoost及旋转森林算法对剪枝与未剪枝的J48决策树分类算法进行集成的对比试验,以10次10折交叉验证的平均准确率为比较依据.结果表明旋转森林算法的预测精度优于其他两个算法,验证了旋转森林是一种有效的决策树分类器集成算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵良杉	辽宁工程技术大学系统工程研究所	189	1464	18.0	27.0
2	马寒	辽宁工程技术大学系统工程研究所	7	42	5.0	6.0