其他回答

• 随机森林1给定训练集S，测试集T，特征维数F。确定参数：使用到的CART的数量t，每棵树的深度d，每个节点使用到的特征数量f，终止条件：节点上最少样本数s，节点上最少的信息增益m，对于第1-t棵树，i=1-t：2从S中有放回的抽取大小和S一样的训练集Si，作为根节点的样本，从根节点开始训练3如果当前节点上达到终止条件，则设置当前节点为叶子节点，如果是分类问题，该叶子节点的预测输出为当前节点样本集合中数量最多的那一类cj，概率p为cj占当前样本集的比例；如果是回归问题，预测输出为当前节点样本集各个样本值的平均值。然后继续训练其他节点。如果当前节点没有达到终止条件，则从F维特征中无放回的随机选取f维特征。利用这f维特征，寻找分类效果最好的一维特征k及其阈值th，当前节点上样本第k维特征小于th的样本被划分到左节点，其余的被划分到右节点。继续训练其他节点。4重复23直到所有节点都训练过了或者被标记为叶子节点。5重复2,3,4直到所有CART都被训练过。随机森林的简单实现过程如下：一、开发环境、编译环境：PyCharmCommunityEdition2019.2.3Python2.7.10二、所用库及安装方法：pandasfromsklearn.feature_extractionimportDictVectorizervec=DictVectorizersparse=FalseX_train=vec.fit_transformX_train.to_dictorient=''records''X_test=vec.transformX_test.to_dictorient=''records''fromsklearn.ensembleimportRandomForestRegressorrf=RandomForestRegressorrf.fitX_train,y_trainy_predict=rf.predictX_testprint''predictvalue:'',y_predictfromsklearn.metricsimportmean_squared_errorprint''MSE:'',mean_squared_errory_test,y_predictprint''NMES:'',rf.scoreX_test,y_testprintrf.feature_importances_              。
  黄盛林2019-11-06 16:01:23
• 不了解什么是随机森林。感觉应该是一种算法。如果做计算机视觉建议你用OpenCV,R语言主要用在统计分析、机器学习领域。你找几篇这方面的文献看看别人跟你做类似课题时是用C++还是R。
  黄知学2019-11-06 15:37:18
• 这个并不一定。随机森林是用来对特征的重要程度来排序选择。选择完成后，你可以根据自己的需要选择分类算法。
  龚家逵2019-11-06 15:18:34