简要介绍随机森林原理.pdfVIP

简要介绍随机森林原理 ⼀、背景 机器学习是⼀门多领域交叉学科，近年来随着机器学习 发展，各种机器学习算法 应⽤范围不断扩⼤。在系统结构 研究之中也开始 逐渐利⽤相关算法实现研究 ⽬标。相⽐于传统利⽤完全基于硬件结构，利⽤公式，计算等实现 分析模型，基于机器学习算法 分析模型更 具有通⽤性，更加易于部署和迁移，因此也更受欢迎，例如近年来ATC，MICRO等会议中均有相关论⽂利⽤机器学习算法来实现性能预 测，提升资源利⽤率等 ⽬标。 机器学习算法种类繁多，其中可应⽤于系统结构研究 算法也不在少数，例如线性回归，随机森林等,其各有特点优点。本⽂将简要介 绍随机森林算法 相关概念，供以参考。 ⼆、集成学习Bagging原理 随机森林属于集成学习范畴，集成学习就是组合多个弱监督模型以期得到⼀个强监督模型，这样即便其中⼀个弱模型产⽣错误 预测， 其他弱模型也可以将错误纠正回来。其中Bagging 特点是各个弱学习器之间没有依赖关系，可以实现并⾏拟合。 下图所⽰为集成学习Bag