×
阿勒姆·哈杰姆;弗朗索瓦州贝拉万斯;拉罗克，丹尼斯

混合影响集群数据的随机林。 （英语） Zbl 1453.62543号

J.统计计算。模拟 84，第6期，1313-1328（2014）.
摘要：本文将随机森林（RF）方法扩展到聚类数据的情况。提出的“混合效应随机森林”（MERF）是在期望最大化算法框架内使用标准RF算法实现的。仿真结果表明，当随机效应不可忽略时，所提出的MERF方法比标准RF有显著改善。该方法用于预测电影第一周的票房收入。

引用于16文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62-08 统计问题的计算方法
68T05型 人工智能中的学习和自适应系统

关键词：

聚类数据;混合效应;回归树;随机森林

软件：

R（右）;射频++;随机森林;r零件
PDF格式BibTeX公司 XML格式引用
\textit{A.Hajjem}等人，《统计计算杂志》。模拟84，第6期，1313--1328（2014；Zbl 1453.62543）
全文： 内政部

参考文献：

[1] L.Breiman，《随机森林》，马赫。学习。45（2001），第5-32页。doi:10.1023/A:1010933404324[Crossref]，[Web of Science®]，[Google学者]·兹比尔1007.68152
[2] M.Hamza和D.Larocque，基于分类树的集成方法的经验比较，J.Statist。计算。模拟。75（2005），第629-643页。doi:10.1080/00949650410001729472[Taylor&Francis Online]，[Web of Science®]，[Google学者]·Zbl 1075.62051号
[3] G.Biau、L.Devroye和G.Lugosi，随机森林和其他平均分类器的一致性，J.Mach。学习。第9号决议（2008年），第2015-2033页。[Web of Science®]，[Google学者]·Zbl 1225.62081号
[4] L.Rokach，分类任务中表征集合方法的分类学：综述和注释书目，计算。统计数据分析。53（2009年），第4046-4072页。doi:10.1016/j.csda.2009.07.017[Crossref]，[Web of Science®]，[Google学者]·Zbl 1453.62185号
[5] D.S.Siroky，导航随机森林和算法建模的相关进展，《统计调查3》（2009年），第147-163页。doi:10.1214/07-SS033[对照]，[谷歌学者]·Zbl 1190.62100号
[6] A.Verikas、A.Gelzinis和M.Bacauskine，用随机森林挖掘数据：新测试的调查和结果，模式识别。44（2011），第330-349页。doi:10.1016/j.patcog.2010.08.011[Crosref]，[Web of Science®]，[谷歌学者]
[7] A.Hajjem、F.Bellavance和D.Larocque，集群数据的混合效应回归树，Stat.Probab。莱特。81（2011），第451-459页。doi:10.1016/j.spl.2010.12.003[Crossref]，[Web of Science®]，[Google学者]·Zbl 1207.62136号
[8] L.Breiman、J.H.Friedman、R.A.Olshen和C.J.Stone，《分类和回归树》，加利福尼亚州贝尔蒙特沃兹沃斯出版社，1984年。[谷歌学者]·Zbl 0541.62042号
[9] A.P.Dempster、N.M.Laird和D.B.Rubin，通过EM算法获得不完整数据的最大似然，J.R.Statist。Soc.序列号。B 39（1977），第1-38页。[谷歌学者]·Zbl 0364.62022号
[10] G.J.McLachlan和T.Krishman，《EM算法和扩展》，威利出版社，纽约，1997年。[谷歌学者]·Zbl 0882.62012号
[11] R.J.Sela和J.S.Simonoff，《RE-EM树：纵向和聚类数据的数据挖掘方法》，马赫。学习。86（2012），第169-207页。doi:10.1007/s10994-011-5258-3[Crossref]，[Web of Science®]，[Google学者]·Zbl 1238.68131号
[12] S.W.Raudenbush和A.S.Bryk，《层次线性模型：应用和数据分析方法》，第二版，Sage，加利福尼亚州纽伯里公园，2002年。[谷歌学者]·Zbl 1001.62004号
[13] H.Wu和J.T.Zhang，《纵向数据分析的非参数回归方法：混合效应建模方法》，威利，纽约，2006年。[谷歌学者]·Zbl 1127.62041号
[14] R开发团队，R：统计计算的语言和环境，R统计计算基金会，2007年。网址：www.R-project.org。[谷歌学者]
[15] A.Liaw和M.Wiener，《随机森林的分类和回归》，R News 2（2002），第18-22页。[谷歌学者]
[16] T.M.Therneau和E.J.Atkinson，《使用rpart例程的递归分区介绍》，技术代表61，卫生科学研究部，梅奥诊所，罗切斯特，1997年。[谷歌学者]
[17] A.S.Bryk和S.W.Raudenbush，层次线性模型在评估变化中的应用，心理学。牛市。101（1987），第147-158页。doi:10.1037/0033-2909.101.1.147[Crossref]，[Web of Science®]，[Google学者]
[18] R.I.Jennrich和M.D.Schluchter，《结构协方差矩阵的非平衡重复测量》，《生物统计学》42（1986），第805-820页。doi:10.2307/2530695[Crosref]，[PubMed]，[Web of Science®]，[谷歌学者]·Zbl 0625.62052号
[19] C.A.Field和A.H.Welsh，Bootstrapping集群数据，J.R.Statist。Soc.序列号。B 69（2007），第369-390页。doi:10.1111/j.1467-9868.2007.00593.x[交叉引用]，[谷歌学者]·Zbl 07555357号
[20] Y.V.Karpievitch、E.G.Hill、A.P.Leclerc、A.R.Dabney和J.S.Almeida，《随机森林分类器的内省比较》，用于通过RF++分析聚类相关数据，《公共科学图书馆·综合》4（9）（2009），文章编号e7087。doi:10.1371/journal.pone.0007087[Crossref]，[PubMed]，[Web of Science®]，[Google学者]
[21] W.Adler、S.Potapov和B.Lausen，使用基于树的集合方法对重复测量数据进行分类，计算统计26（2011），第355-369页。doi:10.1007/s0180-011-0249-1[Crosref]，[Web of Science®]，[谷歌学者]·Zbl 1304.65014号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。