摘要
随机森林算法(RF)是一种将决策分类树综合起来的预测及分类的算法,RF首先将众多分类树汇总起来,进而提高模型精度,由于随机森林利用的是Bootstrap方法进行抽样,进而产生许多个Bootstrap样本,建立新的分类模型,但是Bootstrap抽样方法也有它自身的缺点,降低了随机森林模型的效率和精确度。文章提出将改进的Bootstrap方法(BLB)运用到随机森林模型中,减少评估估计质量的计算成本,提高其分类预测的效率。
出处
《科技创新与应用》
2016年第29期64-64,共1页
Technology Innovation and Application
