随机森林模型在分类与回归分析中的应用

编号 zgly0001447721

文献类型 期刊论文

文献题名 随机森林模型在分类与回归分析中的应用

作者 李欣海 

作者单位 中国科学院动物研究所 

母体文献 应用昆虫学报 

年卷期 2013年04期

年份 2013 

分类号 S711 

关键词 随机森林  分类树  判别分析  回归  机器学习 

文摘内容 随机森林(random forest)模型是由Breiman和Cutler在2001年提出的一种基于分类树的算法。它通过对大量分类树的汇总提高了模型的预测精度,是取代神经网络等传统机器学习方法的新的模型。随机森林的运算速度很快,在处理大数据时表现优异。随机森林不需要顾虑一般回归分析面临的多元共线性的问题,不用做变量选择。现有的随机森林软件包给出了所有变量的重要性。另外,随机森林便于计算变量的非线性作用,而且可以体现变量间的交互作用(interaction)。它对离群值也不敏感。本文通过3个案例,分别介绍了随机森林在昆虫种类的判别分析、有无数据的分析(取代逻辑斯蒂回归)和回归分析上的应用。案例的数据格式和R语言代码可为研究随机森林在分类与回归分析中的应用提供参考。