
隨機森林(RF, RandomForest)介紹
隨機森林(RF, RandomForest)包含多個決策樹的分類器,并且其輸出的類別是由個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)練樣本和測試樣本,由訓(xùn)練樣本生成多個分類樹組成的隨機森林,測試數(shù)據(jù)的分類結(jié)果按分類樹投票多少形成的分數(shù)而定。
隨機森林以隨機的方式建立一個森林,森林里有很多決策樹,且每棵樹之間無關(guān)聯(lián),當有一個新樣本進入后,讓森林中每棵決策樹分別各自獨立判斷,看這個樣本應(yīng)該屬于哪一類(對于分類算法)。然后看哪一類被選擇最多,就選擇預(yù)測此樣本為那一類。
→ 每個節(jié)點處隨機選擇特征進行分支。
利用bootstrap重抽樣方法,從原始樣本中抽出多個樣本,對每個bootstrap樣本進行決策樹建模。
主要思想是bagging并行算法,用很多弱模型組合出一種強模型。
建立每棵決策樹的過程中,有2點:采樣與完全分裂。首先是兩個隨機采樣的過程,RF要對輸入數(shù)據(jù)進行一下行(樣本)、列(特征)采樣,對于行采樣(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。
一般決策樹會剪枝,但這里采用隨機化,就算不剪枝也不會出現(xiàn)“過擬合”現(xiàn)象。
1.有N個樣本,則有放回地隨機選擇N個樣本(每次取1個,放回抽樣)。這選擇好了的N各樣本用來訓(xùn)練一個決策樹,作為決策樹根節(jié)點處的樣本。
2.當每個樣本有M個屬性時,在決策樹的每個節(jié)點需要分裂時,隨機從這M個屬性中選取出m個屬性,滿足條件m<<M。然后從這m個屬性中采用某種策略(如信息增益)來選擇一個屬性,作為該節(jié)點的分裂屬性。
3.決策樹形成過程中,每個節(jié)點都要按照步驟2來分裂(很容易理解,如果下一次該節(jié)點選出來的那一個屬性是剛剛父節(jié)點分裂時用過的屬性,則該節(jié)點已經(jīng)達到了葉子節(jié)點,無需繼續(xù)分裂)。一直到不能再分裂為止,注意整個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的隨機性體現(xiàn)在每棵樹的訓(xùn)練樣本是隨機的,樹中每個節(jié)點的分類屬性也是隨機選擇的,有了這兩個隨機的保證,RF就不會產(chǎn)生過擬合現(xiàn)象了)
隨機森林有2個重要參數(shù):一是樹節(jié)點預(yù)選變量個數(shù),二是隨機森林中樹的個數(shù)(m的大?。?/span>
RF中有2個要人為控制的參數(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:
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,容易并行化計算。
缺點:
1.在噪音較大的分類或回歸問題上會出現(xiàn)過擬合現(xiàn)象;
2.對于不同級別屬性的數(shù)據(jù),級別劃分較多的屬性會對隨機森林有較大影響,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)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實踐的落地者與價值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價值,最終要在 “實踐” 中體現(xiàn) —— 脫離業(yè)務(wù)場景的分 ...
2025-09-10機器學(xué)習(xí)解決實際問題的核心關(guān)鍵:從業(yè)務(wù)到落地的全流程解析 在人工智能技術(shù)落地的浪潮中,機器學(xué)習(xí)作為核心工具,已廣泛應(yīng)用于 ...
2025-09-09SPSS 編碼狀態(tài)區(qū)域中 Unicode 的功能與價值解析 在 SPSS(Statistical Product and Service Solutions,統(tǒng)計產(chǎn)品與服務(wù)解決方案 ...
2025-09-09