
隨機(jī)森林(RF, RandomForest)介紹
隨機(jī)森林(RF, RandomForest)包含多個(gè)決策樹的分類器,并且其輸出的類別是由個(gè)別樹輸出的類別的眾數(shù)而定。通過自助法(boot-strap)重采樣技術(shù),不斷生成訓(xùn)練樣本和測(cè)試樣本,由訓(xùn)練樣本生成多個(gè)分類樹組成的隨機(jī)森林,測(cè)試數(shù)據(jù)的分類結(jié)果按分類樹投票多少形成的分?jǐn)?shù)而定。
隨機(jī)森林以隨機(jī)的方式建立一個(gè)森林,森林里有很多決策樹,且每棵樹之間無關(guān)聯(lián),當(dāng)有一個(gè)新樣本進(jìn)入后,讓森林中每棵決策樹分別各自獨(dú)立判斷,看這個(gè)樣本應(yīng)該屬于哪一類(對(duì)于分類算法)。然后看哪一類被選擇最多,就選擇預(yù)測(cè)此樣本為那一類。
→ 每個(gè)節(jié)點(diǎn)處隨機(jī)選擇特征進(jìn)行分支。
利用bootstrap重抽樣方法,從原始樣本中抽出多個(gè)樣本,對(duì)每個(gè)bootstrap樣本進(jìn)行決策樹建模。
主要思想是bagging并行算法,用很多弱模型組合出一種強(qiáng)模型。
建立每棵決策樹的過程中,有2點(diǎn):采樣與完全分裂。首先是兩個(gè)隨機(jī)采樣的過程,RF要對(duì)輸入數(shù)據(jù)進(jìn)行一下行(樣本)、列(特征)采樣,對(duì)于行采樣(樣本)采用有放回的方式,也就是在采樣得到的樣本中可以有重復(fù)。從M個(gè)特征中(列采樣)出m特征。之后就是用完全分裂的方式建立出決策樹。
一般決策樹會(huì)剪枝,但這里采用隨機(jī)化,就算不剪枝也不會(huì)出現(xiàn)“過擬合”現(xiàn)象。
1.有N個(gè)樣本,則有放回地隨機(jī)選擇N個(gè)樣本(每次取1個(gè),放回抽樣)。這選擇好了的N各樣本用來訓(xùn)練一個(gè)決策樹,作為決策樹根節(jié)點(diǎn)處的樣本。
2.當(dāng)每個(gè)樣本有M個(gè)屬性時(shí),在決策樹的每個(gè)節(jié)點(diǎn)需要分裂時(shí),隨機(jī)從這M個(gè)屬性中選取出m個(gè)屬性,滿足條件m<<M。然后從這m個(gè)屬性中采用某種策略(如信息增益)來選擇一個(gè)屬性,作為該節(jié)點(diǎn)的分裂屬性。
3.決策樹形成過程中,每個(gè)節(jié)點(diǎn)都要按照步驟2來分裂(很容易理解,如果下一次該節(jié)點(diǎn)選出來的那一個(gè)屬性是剛剛父節(jié)點(diǎn)分裂時(shí)用過的屬性,則該節(jié)點(diǎn)已經(jīng)達(dá)到了葉子節(jié)點(diǎn),無需繼續(xù)分裂)。一直到不能再分裂為止,注意整個(gè)決策樹形成過程中沒有剪枝。
4.按步驟1-3建立大量決策樹,如此形成RF。
(從上面步驟可以看出,RF的隨機(jī)性體現(xiàn)在每棵樹的訓(xùn)練樣本是隨機(jī)的,樹中每個(gè)節(jié)點(diǎn)的分類屬性也是隨機(jī)選擇的,有了這兩個(gè)隨機(jī)的保證,RF就不會(huì)產(chǎn)生過擬合現(xiàn)象了)
隨機(jī)森林有2個(gè)重要參數(shù):一是樹節(jié)點(diǎn)預(yù)選變量個(gè)數(shù),二是隨機(jī)森林中樹的個(gè)數(shù)(m的大?。?/span>
RF中有2個(gè)要人為控制的參數(shù):1.森林中樹的數(shù)量,一般建議取很大;2.m的大小,推薦m的值為M的均方根。
優(yōu)點(diǎn):
1.很多的數(shù)據(jù)集上表現(xiàn)良好;
2.能處理高維度數(shù)據(jù),并且不用做特征選擇;
3.訓(xùn)練完后,能夠給出那些feature比較重要;
4.訓(xùn)練速度快,容易并行化計(jì)算。
缺點(diǎn):
1.在噪音較大的分類或回歸問題上會(huì)出現(xiàn)過擬合現(xiàn)象;
2.對(duì)于不同級(jí)別屬性的數(shù)據(jù),級(jí)別劃分較多的屬性會(huì)對(duì)隨機(jī)森林有較大影響,則RF在這種數(shù)據(jù)上產(chǎn)出的數(shù)值是不可信的。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03