《表1 bagging算法流程》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于随机森林和支持向量机在小麦种子分类中的比较研究》
集成学习是合并多个机器学习模型来构建更强大模型的方法.目前,集成学习主要有两大流派(bagging派系和boosting派系),其中boosting派系的代表算法主要有AdaBoost算法[4]、梯度提升机(GBDT)[5]和极限提升机(XGBoost)[6],而本文中选择的随机森林是属于bagging派系的典型代表,其算法描述在表1中给出,从本质上讲就是许多决策树的集合,其中每棵树都和其他树略有不同.对于分类问题,随机森林中的每棵树都是一个分类器,也就是说,每棵树做出一个分类结果,随机森林集成了所有树的分类投票结果且结果的投票是等权的[7],即对所有的投票取平均值,并将投票次数最多的结果作为输出.
图表编号 | XD00161642500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 张涛 |
绘制单位 | 兰州财经大学统计学院 |
更多格式 | 高清、无水印(增值服务) |