Random Forest随机森林算法
来源:互联网 发布:手机登不了淘宝怎么办 编辑:程序博客网 时间:2024/06/08 16:12
Random Forest(随机森林)算法是通过训练多个决策树,生成模型,然后综合利用多个决策树的分类结果进行投票,从而实现分类。随机森林算法只需要两个参数:构建的决策树的个数t,在决策树的每个节点进行分裂时需要考虑的输入特征的个数m。
算法流程
1. 生成单棵决策树:(1)训练总样本的个数为N,则单棵决策树从N个训练集中有放回的随机抽取n个作为此单颗树的训练样本。
(2)令训练样例的输入特征的个数为M,m远远小于M,则我们在每颗决策树的每个节点上进行分裂时,从M个输入特征里随机选择m个输入特征,然后从这m个输入特征里选择一个最好的进行分裂。m在构建决策树的过程中不会 改变。这里注意,要为每个节点随机选出m个特征,然后选择最好的那个特征来分裂。
(3)每棵树都一直这样分裂下去,直到该节点的所有训练样例都属于同一类。不需要剪枝。由于之前的两个随机采样的过程保证了随机性,所以就算不剪枝,也不会出现over-fitting。
2. 生成t颗决策树
按照1的方式产生t颗决策树加入到森林中
3.利用随机森林分类
对于每个新的测试样例,综合多个决策树的分类结果来作为随机森林的分类结果。(1)目标特征为数字类型:取t个决策树的平均值作为分类结果。
(2)目标特征为类别类型:少数服从多数,取单棵树分类结果最多的那个类别作为整个随机森林的分类结果。
算法1中,用majority vote表示多数投票.随机森林的泛化误差依赖于以下两个因素:RF中任意两棵树的相关度(correlation)和RF中单棵树的分类效能(strength)。
关于随机性
随机性主要体现在两个方面:
(1)训练每棵树时,从全部训练样本中选取一个子集进行训练(即bootstrap取样)。用剩余的数据进行评测,评估其 误差;
(2)在每个节点,随机选取所有特征的一个子集,用来计算最佳分割方式。
为什么有效
采用bagging和randomization结合的方法,Bagging(bootstrap aggregating)方法制造有差异的训练样本集,构建单棵决策树时采用一种随机子空间划分(random subspace method)的策略,从随机选择的部分属性中挑选最佳属性对内部节点进行属性分裂,在保证单颗树分类效能的同时,减少了各分类树之间的相关度,降低了噪声的影响,降低过拟合情况产生的可能,从而提高了组合分类器的性能。
由于树随机生成的树,大部分的树(或许 99.9%树) 不会对学习的分类/回归问题都有意义 。但是随着很多糟糕的决策树被生成,其中也会有很少确实很优秀的决策树。当你要做预测的时候,新的观察到的特征随着决策树自上而下走下来,这样一组观察到的特征将会被贴上一个预测值/标签。一旦森林中的每棵树都给出了预测值/标签,所有的预测结果将被归总到一起,所有树的模式投票被返回做为最终的预测结果。
简单来说,99.9%不相关的树做出的预测结果涵盖所有的情况,这些预测结果将会彼此抵消。少数优秀的树的预测结果将会超脱于芸芸“噪音”,做出一个好的预测。
<span style="font-size:12px;">% 函数返回一棵决策树function [node,child_value,child_node_num]=ID3(S)%%% clear clear global node child_value child_node_num; global node child_value child_node_num %S=xlsread('aaa.xls');%%% DValue=S(:,1:6); DValue=roundn(DValue,-1); CN=S(:,7); CN=num2str(CN);%将标签设为string型 for i=1:length(CN) A(i)=i; end ClassPNum=[1 2 3 4 5 6]; m=0; [node,child_value,child_node_num]=TreeNode( DValue, CN, A, ClassPNum,m ); end% 生成树结点% DValue--前四列数据% A--参与划分的行号% CN--属性值的集合(第5列数据)% ClassPNum为划分的剩余属性编号% 当前node的父亲结点为node{m}function [node,child_value,child_node_num]=TreeNode( DValue, CN, A, ClassPNum,m) global node child_value child_node_num n=length(node); if m>0 %如果父亲结点存在,将本结点的序号存入父亲结点的子结点序号集中 k=length(child_node_num{m}); child_node_num{m}(k+1)=n+1; end % 1、样本为空,则树为空 if isempty(DValue) node{ n+1 }=[]; child_value{ n+1 }=[]; child_node_num{ n+1 }=[]; return; end % 2、用于划分的剩余属性为空,选择多数元组所在的类作为结点 if isempty( ClassPNum ) node{ n+1 }=find_most( CN,A ); child_value{ n+1 }=[]; child_node_num{ n+1 }=[]; return; end % 3、样本中所有数据都属于同一类,将此类作为结点 CNRowNum=CN_sta( CN, A); if length( find(CNRowNum==0) )>=2 node{ n+1 }=CN(A(1)); child_value{ n+1 }=[]; child_node_num{ n+1 }=[]; return; % 4、样本中所有数据不属于同一类 else I=Exp( CN,A ); for i=1:length( ClassPNum ) Entropy(i)=avg_entropy( DValue(:,ClassPNum(i)), A, CN); Gain(i)=I-Entropy(i); end % 4.1、各属性的信息增益均小于0,选择多数元组所在的类作为结点 if max(Gain)<=0 node{ n+1 }=find_most( CN,A ); child_value{ n+1 }=[]; child_node_num{ n+1 }=[]; return; % 4.2、在信息增益最大的属性上进行划分 else maxG=find( Gain==max(Gain) ); [PValue RowNum]=type_sta( DValue(:,ClassPNum(maxG(1))), A ); node{ n+1 }=ClassPNum(maxG(1)); child_value{ n+1 }=PValue; child_node_num{ n+1 }=[]; ClassPNum(maxG)=[]; % 删除ClassPNum(maxG)--已经进行划分的属性 for i=1:length(PValue) [node,child_value,child_node_num]=TreeNode( DValue, CN, RowNum{i}, ClassPNum,n+1 ); end return; end endend% A--参与划分的行号% DValue--数据集的前四列% 本函数用于统计参与划分的行大多数属于哪一个类function most_type=find_most( CN,A ) TypeName={'1','2','3'}; CNRowNum=CN_sta( CN, A); n=max(CNRowNum); maxn=find( CNRowNum==n ); most_type=TypeName{maxn};end% 计算属性P的熵% A--参与计算的行号,即计算的行范围% Attri--求属性Attri的熵% CN--类别属性值function entropy=avg_entropy( Attri, A, CN ) k=0;entropy=0; n=length(A); I=Exp( CN,A ); [PValue,RowNum]=type_sta( Attri, A ); for i=1:length( PValue ) CI=Exp( CN, RowNum{i}); entropy=entropy-length( RowNum{i} )/n*CI; endend% 计算样本分类的期望% A--参与计算的行号% Attri--求期望的属性值的集合function I=Exp(CN,A) CNRowNum=CN_sta( CN, A ); n=length(A); I=0; for i=1:3 if CNRowNum(i)>0 P(i)=CNRowNum(i)/n; I=I-P(i)*log2( P(i) ); end endend% 统计属性的取值及各取值对应的行号集合% A为参与统计的记录的行号集合% Attri为属性值的集合function [PValue,RowNum]=type_sta( Attri, A) k=1; PValue=Attri( A(1) ); RowNum{1}=A(1); for i=2:length(A) n1=find( PValue==Attri( A(i) ) ); if isempty(n1) k=k+1; PValue(k)=Attri( A(i) ); RowNum{k}=A(i); else n2=length( RowNum{n1} ); RowNum{n1}(n2+1)=A(i); end end end% 统计类别属性的取值及各取值对应的行号集合% A为参与统计的记录的行号集合% CN为类别属性值的集合function CNRowNum=CN_sta( CN, A) CNRowNum=[0 0 0]; TypeName={'1','2'}; for i=1:length( A ) if strcmp( CN(A(i)),TypeName{1}) CNRowNum(1)=CNRowNum(1)+1; elseif strcmp( CN(A(i)),TypeName{2} ) CNRowNum(2)=CNRowNum(2)+1; else CNRowNum(3)=CNRowNum(3)+1; end end end</span>
<span style="font-size:12px;">clear all;rnode=cell(3,1);%3*1的单元数组rchild_value=cell(3,1);%3*1的单元数组rchild_node_num=cell(3,1);%3*1的单元数组sn=600; %随机可重复的抽取sn个样本tn=10; %森林中决策树的棵树S=xlsread('aaa.xls');%% 样本训练采用随机森林和ID3算法构建决策森林 for j=1:tn Sample_num=randi([1,1000],1,sn);%从1至1000内随机抽取sn个样本 SData=S(Sample_num,:); [node,child_value,child_node_num]=ID3(SData); rnode{j,1}=node; rchild_value{j,1}=child_value; rchild_node_num{j,1}=child_node_num; end %% 样本测试 T=xlsread('bbb.xls'); %TData=roundn(T,-1); TData=roundn(T,-1); len=length(TData(:,1));%测试样本的数目 type=zeros(len,1); for j=1:len %统计函数,对输入的测试向量进行投票,然后统计出选票最高的标签类型输出 [type(j)]=statistics(tn,rnode,rchild_value,rchild_node_num,TData(j,:)); end xlswrite('result.xls',[T type]);%输出测试报告 </span>
<span style="font-size:12px;">function [type] = statistics(tn,rnode,rchild_value,rchild_node_num,PValue) TypeName={'1','2','3'}; TypeNum=[0 0 0]; for i=1:tn %对测试向量进行投票,共有tn棵树 [type]=vote(rnode,rchild_value,rchild_node_num,PValue,i); if strcmp( type,TypeName{1}) TypeNum(1) = TypeNum(1) + 1; elseif strcmp( type,TypeName{2}) TypeNum(2) = TypeNum(2) + 1; else TypeNum(3) = TypeNum(3) + 1; end end maxn=find( TypeNum==max(TypeNum) ); type=str2num(TypeName{maxn(1)});end function [type] = vote(rnode,rchild_value,rchild_node_num,PValue,j) n=1; %从树的根结点(即node{1})开始查找 k=0; while ~isempty(rchild_node_num{j,1}{n})%不为空则进入循环 for i=1:length(rchild_value{j,1}{n}) if PValue(rnode{j,1}{n})==rchild_value{j,1}{n}(i) n=rchild_node_num{j,1}{n}(i); k=0; break; end end if i==length(rchild_value{j,1}{n}) % 若这个值在分类器中不存在,则取其最近的值进行分类 PValue(rnode{j,1}{n})=PValue(rnode{j,1}{n})+0.1*k; PValue=roundn(PValue,-1); end k=(-1)^k*( abs(k)+1 ); end type=rnode{j,1}{n}; type=rnode{j,1}{n}; end</span>
- Random Forest随机森林算法
- 随机森林Random Forest
- 随机森林--Random Forest
- 随机森林Random Forest
- 随机森林(Random Forest)
- random forest(随机森林)
- 随机森林Random Forest
- Random Forest(随机森林)
- 随机森林 Random Forest
- Random Forest 随机森林
- 随机森林------random forest
- 随机森林(random forest)
- 随机森林,random forest
- 随机森林 random forest
- 随机森林 Random Forest
- 随机森林(Random Forest)
- 随机森林(Random Forest)
- random forest(随机森林)
- Gson解析内部类时报can not access a member of class xxx with modifiers "final"
- 系统键盘在ios7 ios8上不同效果
- 学习日记java 泛型和泛型类
- Linux-常用的20条命令
- 对C++中虚成员函数的理解
- Random Forest随机森林算法
- 二元树的生成、遍历、以及最短最长路径查询
- OSPF的几个关键参数
- 关于vs2010 中c++输出字符串到txt文件中的格式问题
- 2-20
- unity 3D初学习 之 Ninja
- 组合和分解,溯源(创新技法7)
- windows平台下vlc编译之五:vlc-0.9.6的编译
- 口袋中球的取出顺序问题,比赛名单问题