Python與人工智能編程-基礎與實驗 課件 實驗13 隨機森林原理及應用_第1頁
Python與人工智能編程-基礎與實驗 課件 實驗13 隨機森林原理及應用_第2頁
Python與人工智能編程-基礎與實驗 課件 實驗13 隨機森林原理及應用_第3頁
Python與人工智能編程-基礎與實驗 課件 實驗13 隨機森林原理及應用_第4頁
Python與人工智能編程-基礎與實驗 課件 實驗13 隨機森林原理及應用_第5頁
已閱讀5頁，還剩5頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

隨機森林原理及應用實驗十三課程學習目標了解隨機森林基礎知識熟練掌握基于隨機森林的Scikit-learn三個通用模板使用方法隨機森林原理

現(xiàn)在假設你有10位朋友,每位朋友會根據(jù)不同的考量(如天氣、風景、費用等)來推薦不同的旅游地點。每位朋友都是一棵決策樹,他們的建議就相當于決策樹的預測結果。當你需要做出最終決定時,你會收集所有朋友的建議,然后選擇得到最多推薦的旅游目的地作為你的最終選擇。這就好比隨機森林中的“投票”過程,最終的決策結果是基于所有朋友意見的綜合。通過整合多位朋友的建議,你可以得到更全面、更可靠的旅行目的地選擇。這就是隨機森林的核心原理:通過整合多個決策樹的意見,以得到更準確、更穩(wěn)定的預測結果。隨機森林原理

再來一段比較官方的解釋：隨機森林有的時候也被稱為是隨機決策森林，是一種集合學習方法，既可以用于分類，也可以用于回歸。而所謂集合學習算法，其實就是把多個機器學習算法綜合在一起，以構建一個更強大的模型。這也就很好地解釋了為什么這種算法稱為隨機森林了，如圖所示，因為它“有很多樹”嘛！隨機森林優(yōu)勢和不足目前在機器學習領域,無論是分類還是回歸,隨機森林都是應用最廣泛的算法之一?？梢哉f,隨機森林十分強大,使用決策樹并不需要用戶過于在意參數(shù)的調節(jié)。其優(yōu)缺點如下表所示。優(yōu)點缺點不需要復雜的數(shù)據(jù)預處理對于超高維數(shù)據(jù)集、稀疏數(shù)據(jù)集不適用不需要過于在意參數(shù)調節(jié)處理非線性、高度相關特征效果不佳支持并行處理，加快訓練速度相對需要更多的計算資源和內存隨機森林應用舉例準備數(shù)據(jù)集：在這里我們采用sklearn自帶的wine數(shù)據(jù)集。加載并劃分數(shù)據(jù)集。隨機森林應用舉例使用隨機森林依據(jù)模板V1.0實現(xiàn)紅酒數(shù)據(jù)集分類。隨機森林應用舉例使用隨機森林依據(jù)模板V2.0實現(xiàn)紅酒數(shù)據(jù)集分類。隨機森林應用舉例使用隨機森林依據(jù)模板V3.0實現(xiàn)紅酒數(shù)據(jù)集分類。本節(jié)實驗作業(yè)依據(jù)模板V1.0使用隨機森林算法對乳腺癌數(shù)據(jù)集進行分

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論