融合因子分析的随机森林研究

• 作者: 周丽 李欢 杜建强 熊梦莹 聂斌 黄强
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 随机森林 因子分析 分类 回归 特征重要性 中医药信息学
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 125-130
• 页数: 6页
• 分类号: TP391
• 字数: 5673字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0266

摘要

受特征重要性不平衡的影响,随机森林可能随机抽取到弱特征子集,从而生成"弱决策树",进而导致模型的收敛速度降低、模型的性能下降.鉴于此,提出融合因子分析的随机森林模型,主要创新在于采用因子分析法构建特征组,再按特征个数比随机抽取特征形成每个分裂节点的候选子集.以模型的分类预测、回归拟合、特征重要性分析的准确率和运行时间为评价指标,选取了9组UCI数据综合考察模型的整体性能,并与决策树、随机森林对比实验.结果表明:融合因子分析的随机森林模型基本消除了准确率低的决策树产生,提高了模型的准确率和收敛速度,泛化性更强,更加有利于高维大数据,可行有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜建强	江西中医药大学计算机学院	78	376	10.0	16.0
2	聂斌	江西中医药大学计算机学院	49	122	6.0	9.0
3	周丽	江西中医药大学计算机学院	21	51	4.0	6.0
4	李欢	江西中医药大学计算机学院	8	13	3.0	3.0
5	熊梦莹	江西中医药大学计算机学院	1	3	1.0	1.0
6	黄强	江西中医药大学计算机学院	7	4	1.0	2.0