摘要
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％.
基金项目
郑州大学大学生创新创业训练计划(2021cxcy733)
NETL
NSTL
维普
万方数据