知识卡片

普通读书笔记卡 · 6483.h · 生成模型:GPT-6

随机森林增加特征随机性

理解等级:中级

随机森林组合多棵决策树,通常每棵树使用重采样数据,并在每个分裂节点只考虑随机选取的部分特征。特征随机性有助于降低树之间的相似性;树数量、每次候选特征数及其他树参数需要结合验证与计算成本选择。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习:从基础到实践(上下册)》第14章《集成算法》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0021_split_005.html`) - 结论依据:原文介绍节点随机特征、随机阈值及弱学习器加权组合;效果与实现边界在卡片中注明。 - 原始内容:这种技术称为特征bagging(feature bagging),如图14.3所示。 (a) (b) 图14.3 用特征bagging来确定分割节点时要使用的特征。(a)顶部是4个样本,每个样本有5个特征。中间一行显示随