文献类型：期刊文章

作　　者：方匡南[1,2] 吴见彬[1] 朱建平[1,2] 谢邦昌[1,2]

机构地区：[1]厦门大学经济学院计划统计系,福建厦门361005 [2]厦门大学数据挖掘研究中心,福建厦门361005

出　　处：《统计与信息论坛》

基　　金：中央高校基本科研业务费专项资金<基于数据挖掘的数据质量管理研究>(2010221040);国家统计局重点项目<金融风险中的统计方法>(2009LZ045)

年　　份：2011

卷　　号：26

期　　号：3

起止页码：32-38

语　　种：中文

收录情况：CSSCI、CSSCI2010_2011、NSSD、RCCSE、RWSKHX、ZGKJHX、普通刊

摘　　要：随机森林(RF)是一种统计学习理论,它是利用bootsrap重抽样方法从原始样本中抽取多个样本,对每个bootsrap样本进行决策树建模,然后组合多棵决策树的预测,通过投票得出最终预测结果。它具有很高的预测准确率,对异常值和噪声具有很好的容忍度,且不容易出现过拟合,在医学、生物信息、管理学等领域有着广泛的应用。为此,介绍了随机森林原理及其有关性质,讨论其最新的发展情况以及一些重要的应用领域。

关 键 词：随机森林  分位数回归森林  生存回归森林  应用  

分 类 号：O212] F222.3[数学类]