隨機森林算法的優(yōu)化改進研究.pdf

1、隨機森林算法是一種普適性良好的分類算法，適用范圍廣且不易過擬合。但是隨機森林算法仍有一些不足，還有改進的空間。本文介紹了分類算法和隨機森林算法的思想原理，在相關(guān)研究現(xiàn)狀等基礎(chǔ)上，提出了一些改進算法，具體工作有：
　　(1)研究了不同分類算法，選擇UCI數(shù)據(jù)進行仿真，總結(jié)了全面的評價指標后，對比了邏輯回歸、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)、支持向量機和隨機森林算法的效果，實驗表明隨著數(shù)據(jù)不平衡程度加大，隨機森林算法效果普遍優(yōu)于其他算法，具有優(yōu)越

2、性；
　　(2)針對不平衡數(shù)據(jù)處理和SMOTE采樣算法的缺點，提出CURE-SMOTE算法。實驗選擇人工數(shù)據(jù)和 UCI不平衡數(shù)據(jù)，對比了原始數(shù)據(jù)、隨機采樣、SMOTE采樣、Borederline-SMOTE1、safe-level-SMOTE、C-SMOTE、Kmeans-SMOTE采樣分類結(jié)果，發(fā)現(xiàn)本文提出的算法更接近原始數(shù)據(jù)分布，且引入噪聲最少，分類效果較佳，驗證了算法有效性和可行性；
　　(3)特征選擇和參數(shù)也是影響算