论文部分内容阅读
本文根据选择性集成思想,应用免疫遗传算法完成随机森林子集选择。由于传统的免疫遗传算法存在初始种群多样性差,容易陷入局部最优等问题,本文针对优化随机森林子集问题提出了一种新的生成初始种群的方法,并在UCI数据集上选取四个数据集进行验证,实验结果表明该方法可以增加种群多样性,提高搜索最优解的效率。接着从UCI数据集中选择一组数据并应用改进的免疫遗传的选择性随机森林优化算法对其进行回归预测,树的压缩率达到60%,模型泛化误差从0.2697降低到0.2679,森林规模缩减,且预测精度有所提高。