《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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.