
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),不斷生成訓練樣本和測試樣本,由訓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。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)點預選變量個數(shù),二是隨機森林中樹的個數(shù)(m的大小)
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.訓練完后,能夠給出那些feature比較重要;
4.訓練速度快,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
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)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(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的實用指南? 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 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,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,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(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】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時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 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
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)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 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,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(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)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03