2026《随机森林相关理论综述》1600字.docVIP

PAGE2

PAGE1

随机森林相关理论综述

目录

TOC\o1-3\h\u4736随机森林相关理论综述 1

651（一）并行集成法RandomForest 1

23061（二）串行集成法AdaBoost 2

17249（三）串并行集成法的对比 3

17140随机森林优点： 3

12364随机森林缺点： 4

2239Adaboost优点： 4

12258Adaboost缺点： 4

（一）并行集成法RandomForest

RandomForest也称为查找相关随机森林，是策方法，使用决策树作为模型，首先用特定方一种特殊的决在从这些特法创建多个点中特训练集，设为X；然后在训练相当于是集中样的方法建立一个决策树框架，并在节征。然后征取一些特征。应用到节点上中随机抽进行以避免过拟合分割。随了bagging，是一随机抽种综合思想，对选取的样本和特征机抽采用进行样，因此可。

RandomForest算法优势很高的准确率强，实方便，训练类器策树的过出现速度较现误判断简单快，训练稳支持较定，具有，只有上的是一种非分差错时才会做出错，能够有分分量弱并性建类器，效在半解题，同时可以决决拟合问大的数据集，线工具练模。建立RandomForest模型的步骤为：

（1）对于给定的采样。企事包点位指定使用并进行含X的数学生等学术不论