论文部分内容阅读
随机森林(RF)是机器学习算法中的一种组合分类器,也是集成学习的代表性算法之一。它通过bagging算法集成多个决策树并以投票的形式输出结果,在学术界和工业界均取得了很好的评价。本文将具体介绍随机森林算法的构建过程,总结随机森林算法在性能改进、性能指标方面的研究,对目前随机森林已经有的理论和应用研究做一个系统的总结和整理,以利于后续的算法优化研究。