期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于out-of-bag样本的随机森林算法的超参数估计
被引量：
14
1
作者
李毓
张春霞
《系统工程学报》
CSCD
北大核心
2011年第4期566-572,共7页
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...
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.
展开更多
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
在线阅读
下载PDF
职称材料
题名
基于out-of-bag样本的随机森林算法的超参数估计
被引量：
14
1
作者
李毓
张春霞
机构
信阳师范学院经济与管理学院
西安交通大学理学院统计金融系
出处
《系统工程学报》
CSCD
北大核心
2011年第4期566-572,共7页
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)
文摘
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
Keywords
ensemble learning
random forest
generalization capability
bootstrap sample
out-of-bag sam- ple
cross-validation method
分类号
O212 [理学—概率论与数理统计]
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于out-of-bag样本的随机森林算法的超参数估计
李毓
张春霞
《系统工程学报》
CSCD
北大核心
2011
14
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
