摘要
随着机器学习方法的日趋流行,人们可以用很多开源工具来实现各种模型的构建.模型性能要好,参数调优是关键.提出应用贝叶斯优化算法对随机森林分类模型进行参数寻优,最后用心脏病数据集进行了实证分析.结果表明:与随机搜索方法相比,贝叶斯优化搜索的模型更优.
With the increasing popularity of machine learning methods,people can use many open source tools to build various models.For models with high performance,parameter tuning is the key.In this paper,Bayesian optimization algorithm is proposed to optimize the parameters of the random forest classification model.Finally,an empirical analysis is carried out with the heart disease data set.The results show that the Bayesian optimization model is better than the random search method.
作者
杜一平
DU Yi-Ping(Department of Mathematics,Luliang University,Lishi Shanxi 033001,China)
出处
《吕梁学院学报》
2020年第2期31-33,共3页
Journal of Lyuiang University
基金
山西省青年科技研究基金资助项目(201901D211449)
吕梁学院优质课程建设项目(YZKC201828).
关键词
贝叶斯优化
随机森林算法
心脏病诊断
Bayesian optimization
random forest algorithm
heart disease diagnosis
作者简介
杜一平(1982-),男,山西岚县人,讲师,研究方向为统计学、数据挖掘.
