拟自适应分类随机森林算法拟.pdfVIP

拟自适应分类随机森林算法 马景义 吴喜之 谢邦昌 2011-12-13 15:00:25　　来源：《数理统计与管理》(京)2010年 5期第 805～811页 　　内容提要：本文给出了集成学习模型可以收敛的集成学习算法，拟自适应分类随机森林算法。拟自适应分类随机森林算法综合了 Adaboost算法和随机森林算法的优势，实验数据分析表明，训练集较大时，拟自适应随机森林算法的效果会好于随机森林算法。另 外，拟自适应分类随机森林算法的收敛性确保它的推广误差可以通过训练集估计，所以，对于实际数据，拟自适应分类随机森林算法 不需要把数据划分为训练集和测试集，从而，可以有效地利用数据信息。 　　关键词：集成学习 拟自适应 随机森林 　　作者简介：马景义，中央财经大学统计学院（北京 100081）；吴喜之，中国人民大学统计学院（北京 100872）；谢邦昌，中央 财经大学统计学院（北京 100081），台湾辅仁大学统计资讯学系（台北 24205）。 　　0引言 消 防 中 队 副 中 队 长 201 6年 度 述 职 报 告 　 　 今 年 以 来 ， 在 各 级 领 导 的 关 心 支 持 下 ， 我 认 真 钻 研 业 务 ， 始 终 以 高 标 准 严 格 要 求 自 己 ， 踏 实 工 作 ， 较 好 地 完 成 了 各 项 工 作 任 务 。 现 就 今 年 的 主 要 工 作 做 以