目录
百战程序员,全站22050+开发课程+文档 ,学习精选优质好课快人一步!观看视频 快捷键ALT+N

Python全系列 教程

3567个小节阅读:5931k

收藏
全部开发者教程

鸿蒙应用开发

C语言快速入门

JAVA全系列 教程

面向对象的程序设计语言

Python全系列 教程

Python3.x版本,未来主流的版本

人工智能 教程

顺势而为,AI创新未来

大厂算法 教程

算法,程序员自我提升必经之路

C++ 教程

一门通用计算机编程语言

微服务 教程

目前业界流行的框架组合

web前端全系列 教程

通向WEB技术世界的钥匙

大数据全系列 教程

站在云端操控万千数据

AIGC全能工具班

A

A A

White Night

阅读(361)
赞(0)

随机森林算法

image-20230224142952769

随机森林的构建

随机森林以决策树为基学习器,使用各个子数据集并行地训练每个决策树。构成随机森林的每个基决策树的训练特点是:

  • 利用每个子数据集训练每个基决策树。从初始的数据集中进行有放回的随机采样,构造每个子数据集,每个子数据集的样本量和初始数据集的样本量相同。
  • 构造基决策树时,每个结点在分裂过程中进行特征选择时,先从当前结点对应的所有特征中随机选取一定数量的特征,再从这些随机选取的特征中选取最优的特征。这样能够使随机森林中的决策树彼此不同,以提升系统的多样性,从而提升预测准确度。

随机森林的优缺点

优点:

  • 应用范围广,既可用于分类,也可用于回归
  • 方便易用,预测准确度高
  • 只要随机森林有足够多的树,就不容易产生过拟合

缺点

使用大量的树会使算法变得很慢,而且越准确的预测就需要越多的树

实时效果反馈

1. 关于随机森林的构建,下列说法正确的是:

A 对基决策树的训练是串行进行的

B 各个子数据集是通过无放回抽样得到的

C 每个子数据集的样本量和初始数据集的样本量相同

D 基决策树在每次结点分裂时,都是在对应的所有特征中选择最优特征

2. 关于随机森林的优缺点,下列说法正确的是:

A 只能用于分类,不能用于回归

B 只要随机森林有足够多的树,就不容易产生过拟合

C 使用大量的树随机森林算法仍然很快

D 难以使用,预测准确度很低

答案

1=>C 2=>B

 

北京市昌平区回龙观镇南店村综合商业楼2楼226室

©2014-2023 百战卓越(北京)科技有限公司 All Rights Reserved.

京ICP备14032124号-2