热门标签
热门文章
- 1curl命令行浏览器_浏览器支持curl
- 2Kafka java client 连接异常（org.apache.kafka.common.errors.TimeoutException: Failed to update metadata ）...
- 3Flink 1.17 standalone 模式安装教程_flink 1.7 安装
- 4 Redis（五）主从复制：主从模式介绍、配置、拓扑（一主一从结构、一主多从结构、树形主从结构）、原理（复制过程、数据同步psync）、总结_redis psync
- 5使用git的时候提示输入密码 弹框openSSH_设置git clone弹出账号密码弹窗
- 6ardl模型stata命令_18种Eviews方程参数估计方法汇总
- 7值得收藏！2024年人工智能顶级会议投稿信息汇总（计算机视觉领域）_eccv2024结果公布时间
- 8基于php+vue高校学生信息管理系统python-flask-django-nodejs_php 高校数据
- 9AI大模型智能体（LLM Agent）学习笔记_ai llm
- 10sigrity前仿真，DDR地址线仿真。_sigrity ddr仿真
当前位置: article > 正文
随机森林总结_随机森林的每棵树有放回的抽样抽多少
作者：天景科技苑 | 2024-07-10 14:34:01
赞
踩
随机森林的每棵树有放回的抽样抽多少
随机森林总结
流程
- 用N来表示训练用例（样本）的个数，M表示特征数目
- 对于每棵树的构建，通过有放回的抽样，取样N次，
形成一个训练集（即bootstrap取样），并用未抽到的用例（样本）作预测，评估其误差。 - 对于所有树中的每个节点的构建，从M个特征中随机选择m个（m应远小于M,根据Leo Breiman的建议，假设总的特征数量为M，这个比例可以是sqrt(M),1/2sqrt(M),2sqrt(M)）用于确定决策树上一个节点的决策结果
- 树不需要进行剪枝
- 按上述的方法构建多个树。
- 将生成的多棵决策树组成随机森林。对于分类问题，按多棵树分类器投票决定最终分类结果；对于回归问题，由多棵树预测值的均值决定最终预测结果
小结：
- 每棵树的训练集通过有放回的抽样N个组成
- 每个节点的候选属性从特征集中无放回的取m个组成
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/天景科技苑/article/detail/806588
推荐阅读
相关标签
