| 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, 0(21): 60-63. DOI: 10.13546/j.cnki.tjyjc.2017.21.014 |
| |
| 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 |
| |
| Wu Chenwen,Liang Jinghan,Wang Wei,Li Changsheng. Random Forest Algorithm Based on Recursive Feature Elimination[J]. , 2017, 0(21): 60-63. DOI: 10.13546/j.cnki.tjyjc.2017.21.014 |
| |
| 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！ |
|
