随机森林是特点鲜明的模型,不是万能的模型

• 作者: 李欣海
• 来源期刊: 应用昆虫学报
• 关键词: 随机森林 偏效应 交互作用 多元共线性 R语言
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 技术与方法
• 页码范围: 170-179
• 页数: 10页
• 语种: 中文
• DOI: 10.7679/j.issn.2095-1353.2019.022

摘要

随机森林(Random forest)模型在2001年发表后得到广泛的关注.由于随机森林可以进行回归和判别等多种统计分析,而且不受正态性、方差齐性和自变量独立性等参数检验的前提条件的制约,其应用日益普遍,有被看作万能模型的趋势.实际上,随机森林是一种特点鲜明的模型,应用局部优化拟合观察值,在分析有偏效应关系的数据时,其结果往往不准确.本文以蝉科(Cicadidea)物种的分布数据为例,比较了随机森林在回归分析时与多元线性回归、广义可加模型和人工神经网络模型的差别,在判别分析时与线性判别分析的差别,强调了随机森林预测时的碎片化特点.结果显示随机森林在处理有多元共线性和交互作用的数据时,以及在判别分析时,其准确率最高.鉴于随机森林的局限性,建议做数据分析时选择多种模型进行比较.文中的R语言代码可为研究者提供参考.

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