machine-learning - 随机决策树分类

Question

我想了解随机树。我找不到关于随机树的好的参考资料。任何人都可以建议我任何好的参考，或者任何人都可以给我一些关于随机树的解释以及它与决策树的区别吗？

Answer 1

随机树背后的想法是使用其中的许多来执行预测。这有助于模型更加健壮。

最著名的算法是 Leo Breiman 在 2001 年在以下文章中提出的“随机森林”： Leo Breiman。随机森林。机器学习，45(1):5-32，2001 年 10 月。

以下是算法的关键点：

• 森林的每棵树都建立在训练数据的引导样本之上
• 在每个树节点，从一组减少的变量中选择最佳分割（随机选择）
• 每棵树都完全长大（无需修剪）
• 预测是通过对所有树的多数投票做出的