文献类型：期刊文章

作　　者：李毓[1] 张春霞[2]

机构地区：[1]信阳师范学院经济与管理学院,河南信阳464000 [2]西安交通大学理学院统计金融系,陕西西安710049

出　　处：《系统工程学报》

基　　金：教育部人文与社会科学基金资助项目(09YJA790174);教育部博士学科点专项科研基金(20100201120048);河南省软科学基金资助项目(102400450126)

年　　份：2011

卷　　号：26

期　　号：4

起止页码：566-572

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：随机森林是一种有效的分类树集成算法,但为了使它具有较高的预测精度,要采用某种方法确定其超参数的最优值.在不额外增加计算复杂性的前提下,提出了一种基于out-of-bag样本估计其超参数取值的方法.仿真试验的结果表明,利用文中提出的方法所选取的超参数在多数情况下都能使随机森林算法的分类效果达到最优.

关 键 词：集成学习  随机森林  泛化能力 Bootstrap样本  out—of-bag样本  交叉确认法  

分 类 号：O212] TP181[数学类]