本文選題：分類 + 回歸　； 參考：《蘭州大學(xué)》2017年碩士論文

【摘要】：分類模型和回歸模型在經(jīng)濟(jì)、生物、保險等多個領(lǐng)域都有著廣泛的運(yùn)用,因而有效地提升模型的預(yù)測能力具有重要的理論和實(shí)際意義.隨機(jī)森林是目前最為流行的統(tǒng)計機(jī)器學(xué)習(xí)算法之一,由于其實(shí)際表現(xiàn)出色、易于操作而被人們所熟知.在本論文中,我們首先構(gòu)建較多的樹,并利用out-of-bag樣本標(biāo)記樹的準(zhǔn)確性,然后通過聚合更精確的樹以提高隨機(jī)森林的預(yù)測性能,進(jìn)而提出了增強(qiáng)隨機(jī)森林模型.我們也將新提出的模型運(yùn)用到一系列實(shí)際數(shù)據(jù)中,并與經(jīng)典的隨機(jī)森林、SVM和GBM方法進(jìn)行了比較,得出新模型有著良好的競爭力,且確實(shí)比經(jīng)典的隨機(jī)森林模型表現(xiàn)出色.同時我們還著重討論了如何選擇新模型中的兩個調(diào)節(jié)參數(shù),并分別給出了經(jīng)驗的選取建議.
[Abstract]:Classification model and regression model are widely used in many fields such as economy, biology, insurance and so on. Therefore, it is of great theoretical and practical significance to effectively improve the prediction ability of the model. Stochastic forest is one of the most popular statistical machine learning algorithms. In this paper, we first construct more trees, and use the accuracy of out-of-bag sample marker tree, then aggregate more accurate trees to improve the prediction performance of stochastic forest, and then propose an enhanced stochastic forest model. We also apply the new model to a series of practical data and compare it with the classical stochastic forest SVM and GBM methods. It is concluded that the new model has good competitiveness and is indeed better than the classical stochastic forest model. At the same time, we also discuss how to select two adjustment parameters in the new model, and give some suggestions for the selection of experience.
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 曹正鳳;謝邦昌;紀(jì)宏;;一種隨機(jī)森林的混合算法[J];統(tǒng)計與決策;2014年04期

2 孟杰;;隨機(jī)森林模型在財務(wù)失敗預(yù)警中的應(yīng)用[J];統(tǒng)計與決策;2014年04期

3 李升;宋舜宏;;網(wǎng)絡(luò)入侵檢測中屬性分組的隨機(jī)森林算法[J];計算機(jī)安全;2009年11期

4 劉微;羅林開;王華珍;;基于隨機(jī)森林的基金重倉股預(yù)測[J];福州大學(xué)學(xué)報(自然科學(xué)版);2008年S1期

5 錢爭鳴;李海波;于艷萍;;個人住房按揭貸款違約風(fēng)險研究[J];經(jīng)濟(jì)研究;2010年S1期

相關(guān)會議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計科學(xué)討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機(jī)森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計量學(xué)[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙酰化酶抑制劑的構(gòu)效關(guān)系研究[A];第十一屆全國計算（機(jī)）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機(jī)森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計學(xué)年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機(jī)森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應(yīng)用[A];第八屆全國轉(zhuǎn)子動力學(xué)學(xué)術(shù)討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機(jī))化學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前8條

1 張乾;基于隨機(jī)森林的視覺數(shù)據(jù)分類關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2016年

2 薛小明;基于時頻分析與特征約簡的水電機(jī)組故障診斷方法研究[D];華中科技大學(xué);2016年

3 曹正鳳;隨機(jī)森林算法優(yōu)化研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年

4 雷震;隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年

5 姚登舉;面向醫(yī)學(xué)數(shù)據(jù)的隨機(jī)森林特征選擇及分類方法研究[D];哈爾濱工程大學(xué);2016年

6 岳明;基于隨機(jī)森林和規(guī)則集成法的酒類市場預(yù)測與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年

7 季斌;內(nèi)蒙古浩布高地區(qū)多金屬礦綜合信息找礦預(yù)測研究[D];合肥工業(yè)大學(xué);2017年

8 李書艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測及其機(jī)制研究[D];蘭州大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 嵇智;一種基于樹排序的增強(qiáng)隨機(jī)森林模型[D];蘭州大學(xué);2017年

2 錢維;藥品不良反應(yīng)監(jiān)測中隨機(jī)森林方法的建立與實(shí)現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

3 韓燕龍;基于隨機(jī)森林的指數(shù)化投資組合構(gòu)建研究[D];華南理工大學(xué);2015年

4 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

5 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測與跟蹤[D];華南理工大學(xué);2015年

6 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測[D];南京理工大學(xué);2015年

7 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測中的應(yīng)用研究[D];武漢理工大學(xué);2015年

8 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學(xué);2014年

9 李慧;一種改進(jìn)的隨機(jī)森林并行分類方法在運(yùn)營商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

10 趙亞紅;面向多類標(biāo)分類的隨機(jī)森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年

，

本文編號：1829564