文献类型：期刊文章

作　　者：李欣海[1]

机构地区：[1]中国科学院动物研究所,北京100101

出　　处：《应用昆虫学报》

基　　金：中国科学院战略性先导科技专项(XDA05080701);环保部公益项目(201209027)

年　　份：2013

卷　　号：50

期　　号：4

起止页码：1190-1197

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、BIOSISPREVIEWS、CAB、CAS、CSA、CSCD、CSCD2013_2014、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：随机森林(random forest)模型是由Breiman和Cutler在2001年提出的一种基于分类树的算法。它通过对大量分类树的汇总提高了模型的预测精度,是取代神经网络等传统机器学习方法的新的模型。随机森林的运算速度很快,在处理大数据时表现优异。随机森林不需要顾虑一般回归分析面临的多元共线性的问题,不用做变量选择。现有的随机森林软件包给出了所有变量的重要性。另外,随机森林便于计算变量的非线性作用,而且可以体现变量间的交互作用(interaction)。它对离群值也不敏感。本文通过3个案例,分别介绍了随机森林在昆虫种类的判别分析、有无数据的分析(取代逻辑斯蒂回归)和回归分析上的应用。案例的数据格式和R语言代码可为研究随机森林在分类与回归分析中的应用提供参考。

关 键 词：随机森林  分类树 判别分析  回归  机器学习  

分 类 号：S711[林学类]