Random Forest是加州大學伯克利分校的Breiman Leo和Adele Cutler于2001年發表的論文中提到的新的機器學習算法，可以用來做分類，聚類，回歸，和生存分析，這里只簡單介紹該算法在分類上的應用。

  Random Forest（隨機森林）算法是通過訓練多個決策樹，生成模型，然后綜合利用多個決策樹進行分類。

  隨機森林算法只需要兩個參數：構建的決策樹的個數t，在決策樹的每個節點進行分裂時需要考慮的輸入特征的個數m。

  1. 單棵決策樹的構建：

  （1）令N為訓練樣例的個數，則單棵決策樹的輸入樣例的個數為N個從訓練集中有放回的隨機抽取N個訓練樣例。

  （2）令訓練樣例的輸入特征的個數為M，切m遠遠小于M，則我們在每顆決策樹的每個節點上進行分裂時，從M個輸入特征里隨機選擇m個輸入特征，然后從這m個輸入特征里選擇一個最好的進行分裂。m在構建決策樹的過程中不會改變。

  （3）每棵樹都一直這樣分裂下去，直到該節點的所有訓練樣例都屬于同一類。不需要剪枝。

總結

以上是生活随笔為你收集整理的机器学习-Random Forest算法简介的全部內容，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。