典型文献
基于灰狼优化的随机森林模型的研究
文献摘要：
随机森林是一种包含很多决策树的分类器,既可以用于处理分类和回归问题,也适用于降维问题.其对异常值与噪音也有很好的容忍度.相较于决策树有着更好的预测和分类性能,不过该算法也有一些缺点,由于随机森林自身的随机性,导致预测结果波动;所使用的原始数据集样本基数大,增加随机森林组合分类器的训练时间.为解决上述问题,本文采用狼群算法来优化随机森林模型,迭代优化选取随机森林模型中的参数.通过验证UCI数据库中的数据集,从结果看出提出的基于灰狼优化的随机森林模型分类正确率高于传统的随机森林算法.
文献关键词：
随机森林;决策树;灰狼优化
中图分类号：
作者姓名：
范昊东
作者机构：
黑龙江科技大学,黑龙江哈尔滨,150022
文献出处：
引用格式：
[1]范昊东-.基于灰狼优化的随机森林模型的研究)[J].电子测试,2022(06):45-47
A类：
B类：
灰狼优化,决策树,分类器,回归问题,异常值,噪音,容忍度,分类性能,随机性,原始数据,基数,训练时间,狼群算法,优化随机森林模型,迭代优化,UCI,模型分类,随机森林算法
AB值：
0.350597
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
