快速地建立預測模型并且完成準確的分類在某些特殊的醫(yī)療診斷場合下具有重要的意義。從連續(xù)特征離散化入手,本文提出了一種改進的隨機森林算法。之后使用改進的算法建立了分類模型,并在三個常用的醫(yī)療數(shù)據(jù)集上進行了實驗。實驗結(jié)果表明改進的隨機森林算法不僅運行時間顯著縮減,同時預測精度也得到了提升。更進一步的,初始的連續(xù)特征經(jīng)過離散化之后變得簡潔明了,這可以方便研究人員的理解。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 算法研究
    1.1 決策樹
    1.2 隨機森林
        1.2.1 隨機森林簡述
        1.2.2 隨機森林的數(shù)學描述[14]
        1.2.3 隨機森林的缺陷
    1.3 算法改進
2 實驗
    2.1 數(shù)據(jù)集及實驗環(huán)境
    2.2 參數(shù)配置
    2.3 評估指標
    2.4 結(jié)果及分析
        2.4.1 模型訓練速度
        2.4.2 模型預測精度
3 結(jié)束語



本文編號：3776823