基于随机森林的多阶段集成学习方法

• 作者: 徐慧丽
• 来源期刊: 高师理科学刊
• 学科: 工学
• 关键词: Stacking 随机森林 多数投票
• 年，卷（期）: 2018,（2）
• 页码范围: 25-28,53
• 页数: 5页
• 分类号: TP181
• 字数: 3742字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9831.2018.02.007

摘要

集成学习主要分为串行和并行学习方法.并行学习的优势在于分类器的并行学习和融合,对分类问题通常采用的融合策略为投票法或堆叠学习法,它们的代表分别为随机森林和堆叠泛化Stacking.为了进一步提高Stacking的分类性能,在经典Stacking算法原理的基础上,提出基于随机森林的多阶段集成学习方法,以随机森林作为基层的基学习算法,以投票法和学习法同时作为融合方法,来降低泛化误差.在UCI数据集上的实验结果表明,提出的模型在Accuracy和F1指标上,相比Bagging,随机森林和Stacking等分类器在分类性能上有很大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐慧丽	华南理工大学数学学院	1	1	1.0	1.0