隨機森林(Random Forests)簡介

Nilsson在1965年提出：由多位專家組合而成，按一些特定的方式（如投票法，權重法）整合各位專家的意見進行決策，其得到的結果會比只有單個專家的效果更好。由于每位專家的擅長之處不同，因此通過組合的機制可以讓專家之間彼此互補，得到更好的結果。
隨機森林（Random Forests）屬于套袋法的一種，是基于決策樹所建立的，結合多個決策樹的預測結果，而每棵樹都是根據隨機森林的隨機向量的值所建立的。
隨機森林在影響因素探討上，現有研究表明，隨機森林不需要估計一般回歸分析面臨的多元共線性的問題，不需要做變量選擇，便于計算變量的非線性作用，而且可以評估自變量的重要性。

張雷, 王琳琳, 張旭東, 等. 隨機森林算法基本思想及其在生態學中的應用: 以云南松分布模擬為例. 生態學報, 2014, 34(3): 650-659.

隨機森林的估計過程
1）指定m值，即隨機產生m個變量用于節點上的二叉樹，二叉樹變量的選擇仍然滿足節點不純度最小原則；
2）應用Bootstrap自助法在原數據集中有放回地隨機抽取k個樣本集，組成k棵決策樹，而對于未被抽取的樣本用于單棵決策樹的預測；
3）根據k個決策樹組成的隨機森林對待分類樣本進行分類或預測，分類的原則是投票法，預測的原則是簡單平均。
隨機森林的兩個重要參數：
1.樹節點預選的變量個數：單棵決策樹決策樹的情況。<

總結

以上是生活随笔為你收集整理的随机森林_R代码及用法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。