1 集成随机森林模型.doc

下载文档

15
0
约1.56万字
约 5页
2017-09-06 发布于天津
举报
版权申诉
保障服务

1 集成随机森林模型.doc

1、本文档共5页，其中可免费阅读2页，需付费100金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

集成随机森林的分类模型邓生雄雒江涛刘勇王小平杨军超重庆邮电大学通信与信息工程学院重庆重庆市高校通信网测试技术工程研究中心重庆摘要分类是数据挖掘的一项重要工作与集成学习相比针对单个分类器不能获得相对较高而稳定的准确率的问题提出一种分类模型该模型可集成多个随机森林并以带阈值的多数投票法作为结合方法模型实现主要分为建立集成分类模型实例初步预测和结合分析三个层次编程方式实现的分类模型以流量识别为例分别与单个随机森林和集成其他算法进行对比实验表明提出模型能获得更好的流量识别综合分类性能该模型也为二类型分类

集成随机森林的分类模型* 邓生雄1，雒江涛1,2，刘勇1，王小平1，杨军超1 (1.重庆邮电大学通信与信息工程学院,重庆 400065；2.重庆市高校通信网测试技术工程研究中心,重庆 400065) 摘要: 分类是数据挖掘的一项重要工作。与集成学习相比，针对单个分类器不能获得相对较高而稳定的准确率的问题，提出一种分类模型。该模型可集成多个随机森林，并以带阈值的多数投票法作为结合方法。模型实现主要分为建立集成分类模型、实例初步预测和结合分析三个层次。MapReduce编程方式实现的分类模型以P2P流量识别为例，分别与单个随机森林和集成其他算法进行对比。实验表明：提出模型能获得更好的P