首页|基于PSO优化的叶节点加权随机森林算法

基于PSO优化的叶节点加权随机森林算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
随机森林算法(random forest)是属于集成学习的一种组合分类方法,作为一种重要的机器学习算法,随机森林算法普遍适用于大部分数据集.通过使用PSO算法优化并采用对叶节点加权的方式,可以改善传统随机森林算法的性能,提升其分类能力.利用PSO算法全局搜索能力强、收敛速度快的优势,根据决策树分类能力的不同对其进行优化,获得叶节点的投票权重,最终采取多棵决策树投票法得出随机森林的结果.实验证明,改进后PSO优化的随机森林算法的准确度可比传统的随机森林算法提升19.1％.
Leaf-node Weighted Random Forest Algorithm Based on PSO

胡明祺、张森昶

展开 >

郑州大学网络空间安全学院,郑州 450000

粒子群算法 决策树 数据挖掘 加权随机森林 自适应优化

郑州大学大学生创新创业训练计划

2021cxcy733

2022

10.3969/j.issn.1007-1423.2022.04.001

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(4)
  • 1
  • 4