一种模型决策森林算法*

• 作者: 尹儒 王文剑 门昌骞
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 基尼指数 模型决策森林(MDF) 模型决策树(MDT) 随机森林(RF)
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 108-116
• 页数: 9页
• 分类号: TP18
• 字数: 6110字
• 语种: 中文

摘要

随机森林(RF)具有抗噪能力强,预测准确率高,能够处理高维数据等优点,因此在机器学习领域得到了广泛的应用.模型决策树(MDT)是一种加速的决策树算法,虽然能够提高决策树算法的训练效率,但是随着非纯伪叶结点规模的增大,模型决策树的精度也在下降.针对上述问题,提出了一种模型决策森林算法(MDF)以提高模型决策树的分类精度.MDF算法将MDT作为基分类器,利用随机森林的思想,生成多棵模型决策树.算法首先通过旋转矩阵得到不同的样本子集,然后在这些样本子集上训练出多棵不同的模型决策树,再将这些树通过投票的方式进行集成,最后根据得到的模型决策森林给出分类结果.在标准数据集上的实验结果表明,提出的模型决策森林在分类精度上明显优于模型决策树算法,并且MDF在树的数量较少时也能取到不错的精度,避免了因树的数量增加时间复杂度增高的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑	山西大学计算智能与中文信息处理教育部重点实验室	97	798	14.0	23.0
2	门昌骞	山西大学计算机与信息技术学院	6	28	3.0	5.0
3	尹儒	山西大学计算机与信息技术学院	2	11	2.0	2.0