基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随机森林是一种灵活且易于使用的机器学习算法,因为它很简易,既可用于分类也能用于回归任务.在医学、生物信息、环境预测检测等领域有着广泛的应用.为此,本文介绍了随机森林原理及其相关性质,以及它的改进情况及应用,并讨论了以后的改进趋势和方向.
推荐文章
随机森林算法研究综述
随机森林
集成学习
机器学习
决策树
采用随机森林改进算法的WebShell检测方法
WebShell检测
随机森林
特征划分
Fisher准则
基于改进随机森林算法的股票趋势预测
股票趋势预测
技术指标
特征选择
改进的随机森林算法
基于改进的随机森林算法股票收益率预测研究
粒子群
随机森林
股票收益率
特征选择
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进随机森林算法综述
来源期刊 现代信息科技 学科 工学
关键词 随机森林 决策树 集成学习 机器学习
年,卷(期) 2019,(20) 所属期刊栏目 信息技术
研究方向 页码范围 28-30
页数 3页 分类号 TP311.13|TP181
字数 3402字 语种 中文
DOI 10.3969/j.issn.2096-4706.2019.20.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 毕瑶家 青岛科技大学信息科学技术学院 4 2 1.0 1.0
2 孙明喆 青岛科技大学信息科学技术学院 1 2 1.0 1.0
3 孙驰 青岛科技大学信息科学技术学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (124)
共引文献  (54)
参考文献  (13)
节点文献
引证文献  (2)
同被引文献  (2)
二级引证文献  (1)
1964(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(10)
  • 参考文献(0)
  • 二级参考文献(10)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(11)
  • 参考文献(0)
  • 二级参考文献(11)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(11)
  • 参考文献(0)
  • 二级参考文献(11)
2014(13)
  • 参考文献(0)
  • 二级参考文献(13)
2015(10)
  • 参考文献(0)
  • 二级参考文献(10)
2016(15)
  • 参考文献(0)
  • 二级参考文献(15)
2017(16)
  • 参考文献(3)
  • 二级参考文献(13)
2018(12)
  • 参考文献(4)
  • 二级参考文献(8)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
随机森林
决策树
集成学习
机器学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导