基于深度随机森林的新型组合分类算法

摘要：

针对当前单分类器融合算法不灵活的缺点,提出基于深度随机森林的新型组合分类算法.该算法先建立50～400深度的随机森林,然后训练找到5个不同深度最优随机森林的模型,将其组合成一个新的模型.在威斯康辛州(诊断)乳腺癌数据集、无线定位数据集和加利福尼亚大学尔湾分校的汽车评估数据集上对提出的算法进行了实验验证,并与传统算法结果进行比较,提出的组合算法在3个数据集上分别取得了97.0％、98.0％和97.6％的准确度.实验证明,与其他传统算法相比,本文算法的准确度更高,鲁棒性更好.

关键词：随机森林;组合深度;集成分类;鲁棒算法

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2614-2620