1楼：小楠旣氌凫
随机森林的优点有：
1. 对于很多种资料，它可以产生高准确度的分类器。
2. 它可以处理大量的输入变量。
3. 它可以在决定类别时，评估变量的重要性。
4. 在建造森林时，它可以在内部对于一般化后的误差产生不偏差的估计。
5. 它包含一个好方法可以估计遗失的资料，并且，如果有很大一部分的资料遗失，仍可以维持准确度。
6. 它提供一个实验方法，可以去侦测 variable interactions 。
7. 对于不平衡的分类资料集来说，它可以平衡误差。
8. 它计算各例中的亲近度，对于数据挖掘、侦测偏离者（outlier）和将资料视觉化非常有用。
9. 使用上述。它可被延伸应用在未标记的资料上，这类资料通常是使用非监督式聚类。也可侦测偏离者和**资料。
10. 学习过程是很快速的。
如何计算随机森林中的 变量重要性？
2楼：匿名用户
首先对于每棵树，每次利用bootstrap方法抽取样本进行训练，但是有1/3的数据没有抽取到，这样的数据成为袋外数据oob（out of bag），将oob带入决策树中，计算出误差error1,对oob中所有样本的特征x对应的值进行噪声干扰，即随机改变特征的值，再将数据带入决策树中，计算出误差error2。对于n棵树，计算出变量x的重要性为error2-error1的均值
3楼：匿名用户
分类器是一种计算机程序。
他的设计目标是在通过学习后，可以自动的对给定的数据进行分类。
应用在搜索引擎以及各种检索程序中。同时也大量应于于数据分析与**领域。
为什么和如何使用随机森林
4楼：湛蓝之行
下面是几种合法的定义 char s3[3]=}; //这个代表有一行 char s3[3]=, }; //这个是两行 char s3[3]=, , };//这个是三行 看出区别了吧。
对于定长数组，必须显示的表现出它有几行。
随机森林主要降低与骨的哪个方面指
5楼：
随机森林是一种集成分类器,对影响
随机森林性能的参数进行了分析,结果表明随机森林中树的数量对随机森林的性能影响至关重要。对树的数量的确定方法以及随机森林性能指标的评价方法进行了研究与总结。以分类精度为评价方法,利用uci数据集对随机森林中决策树的数量与数据集的关系进行了实验分析,实验结果表明对于多数数据集,当树的数量为100时,就可以使分类精度达到要求。
将随机森林和分类性能优越的支持向量机在精度方面进行了对比,实验结果表明随机森林的分类性能可以与支持向量机相媲美。
随机森林为什么不容易产生过拟合
6楼：坚强不息奋斗止
随机森林 比adaboost 好 随机森林的优点有: 1. 对于很多种资料，它可以产生高准确度的分类器。
2. 它可以处理大量的输入变量。 3.
它可以在决定类别时，评估变量的重要性。 4. 在建造森林时，它可以在内部对于一般化后的误差产生不偏差的估计。
...
2015-08-24 回答者: 皇族龙哥之父 1个回答 1
装袋法和随机森林的区别
7楼：
不了解什么是随机森林。 感觉应该是一种算法。 如果做计算机视觉建议你用opencv, r语言主要用在统计分析、机器学习领域。
你找几篇这方面的文献看看别人跟你做类似课题时是用c++还是r。
随机森林分类结果
8楼：专秒思域
随机森林是一种集成分类器,对影响随机森林性能的参数进行了分析,结果表明随机森林中树的数量对随机森林的性能影响至关重要。对树的数量的确定方法以及随机森林性能指标的评价方法进行了研究与总结。以分类精度为评价方法,利用uci数据集对随机森
实际分布是偏态时 可以用随机森林吗
9楼：匿名用户
随机森林是一种集成分类器,对影响随机森林性能的参数进行了分析,结果表明随机森林中树的数量对随机森林的性能影响至关重要。对树的数量的确定方法以及随机森林性能指标的评价方法进行了研究与总结。以分类精度为评价方法,利用uci数据集对随机森林中决策树的数量与数据集的关系进行了实验分析,实验结果表明对于多数数据集,当树的数量为100时,就可以使分类精度达到要求。
将随机森林和分类性能优越的支持向量机在精度方面进行了对比,实验结果表明随机森林的分类性能可以与支持向量机相媲美。