傳統(tǒng)隨機(jī)森林分類算法采用平均多數(shù)投票規(guī)則不能區(qū)分強(qiáng)弱分類器,而且算法中超參數(shù)的取值需要調(diào)節(jié)優(yōu)化.在研究了隨機(jī)森林算法在文本分類中的應(yīng)用技術(shù)及其優(yōu)缺點的基礎(chǔ)上對其進(jìn)行改進(jìn),一方面對投票方法進(jìn)行優(yōu)化,結(jié)合決策樹的分類效果和預(yù)測概率進(jìn)行加權(quán)投票,另一方面提出一種結(jié)合隨機(jī)搜索和網(wǎng)格搜索的算法對超參數(shù)調(diào)節(jié)優(yōu)化. Python環(huán)境下的實驗結(jié)果表明本文方法在文本分類上具有良好的性能. 

【文章來源】：計算機(jī)系統(tǒng)應(yīng)用. 2019,28(05)

【文章頁數(shù)】：6 頁


本文編號：3321574