随机决策树分类

Question

我想了解随机树。 我找不到关于随机树的好参考。 任何人都可以建议我任何好的参考或任何人可以给我一些关于随机树的解释以及它与决策树的区别吗？

Answer 1

随机树背后的想法是使用其中许多来执行预测。 这有助于模型更加健壮。

最着名的算法是Leo Breiman于2001年在以下文章中提出的“随机森林”： Leo Breiman. Random forests. Machine Learning, 45(1):5–32, October 2001.

以下是该算法的关键点：

• 森林的每棵树都建立在训练数据的引导样本上
• 在每个树节点处，从减少的变量集（随机选择）
中选择最佳分割
• 每棵树都完全成熟（没有修剪）
• 通过对所有树木进行多数投票来预测