《表2 随机森林性能统计表》

  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

《基于随机森林的滑坡空间易发性评价：以三峡库区湖北段为例》

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

模型性能方面（表2和图3），首先在训练集上，随机森林准确率、均方根误差、kappa系数以及AUC值分别为0.791、0.390、0.582、0.871.测试集上，准确率、均方根误差、kappa系数以及AUC值分别达到0.753、0.417、0.507、0.843.结果显示，随机森林表现出良好的预测性能，且没有出现过拟合问题.从算法机理角度考虑，相比于单体分类与回归树，随机森林对样本和特征进行随机抽取，可以理解为对一个数据集的行和列均进行了采样.单棵树的分类能力可能较小，然而在随机产生大量的决策树后，由于这些决策树各不相同，其中的一些决策树可能对某些样本具有较高的识别能力因而适用于那部分样本，最终的表现是由所有的树构成的森林将适合处理各种样本，一个测试样本可以通过每一棵树的分类结果经统计后选择最可能的分类.随机森林以此种方式实现基分类器的多样化，获得更广阔的假设空间，因此体现出强大的分类能力.