基于递归特征消除方法的随机森林算法 |
| |
引用本文: | 吴辰文,梁靖涵,王伟,李长生.基于递归特征消除方法的随机森林算法[J].统计与决策,2017(21):60-63. |
| |
作者姓名: | 吴辰文 梁靖涵 王伟 李长生 |
| |
作者单位: | 兰州交通大学电子与信息工程学院,兰州,730070 |
| |
基金项目: | 国家自然科学基金资助项目(61163010),甘肃自然科学基金资助项目(1308RJZA111) |
| |
摘 要: | 基于随机森林算法中的相关预测因子进行变量选择,在高维回归或分类框架中,变量选择是一项艰巨的任务,甚至在高度相关的预测中变得更加具有挑战性,文章提供了在回归模型上置换重要性测量的理论研究,这使我们能够描述相关性预测和排名的重要性之间的影响.相比于原始随机森林算法使用重要性排名做变量选择,研究结果使用了递归特征消除(RFE)方法做变量选择.通过实验证明了RFE-RF方法对机器学习算法的正确预测有很大的帮助.
|
关 键 词: | 随机森林 递归 特征消除 变量选择 机器学习 |
Random Forest Algorithm Based on Recursive Feature Elimination |
| |
Authors: | Wu Chenwen Liang Jinghan Wang Wei Li Changsheng |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|