隨機森林 random forest 模型是由Breiman 和Cutler 在2001 年提出的一種基于分類樹的算法 它通過 對大量分類樹的匯總提高了模型的預測精度 是取代神經網絡等傳統機器學習方法的新的模型 隨機森林的運 算速度很快 在處理大數據時表現優(yōu)異 隨機森林不需要顧慮一般回歸分析面臨的多元共線性的問題 不用做變 量選擇 現有的隨機森林軟件包給出了所有變量的重要性 另外 隨機森林便于計算變量的非線性作用 而且可 以體現變量間的交互作用 interaction 它對離群值也不敏感 本文通過3 個案例 分別介紹了隨機森林在昆蟲 種類的判別分析 有無數據的分析 取代邏輯斯蒂回歸 和回歸分析上的應用 案例的數據格式和Ｒ 語言代碼可 為研究隨機森林在分類與回歸分析中的應用提供參考 ">隨機森林 random forest 模型是由Breiman 和Cutler 在2001 年提出的一種基于分類樹的算法 它通過 對大量分類樹的匯總提高了模型的預測精度 是取代神經網絡等傳統機器學習方法的新的模型 隨機森林的運 算速度很快 在處理大數 [更多]