×
王强；阮成东；Joshua Z.黄。；阮，Thuy Thi

一种用于高维数据分类的高效随机森林算法。 （英语） Zbl 1416.62366号

高级数据分析。分类。，ADAC公司 12，第4号，953-972（2018）.
摘要：在本文中，我们提出了一种新的随机森林（RF）算法，用于处理高维数据，并使用子空间特征采样方法和特征值搜索进行分类。新的子空间采样方法保持了森林的多样性和随机性，并使人们能够生成具有较低预测误差的树。在森林中构建决策树时，使用贪婪技术处理基本分类特征以实现有效的节点分割。这使得树可以处理非常高的基数，同时减少构建RF模型的计算时间。对高维真实数据集（包括标准机器学习数据集和图像数据集）进行了广泛的实验。结果表明，所提出的学习RFs的方法在处理高维数据时显著降低了预测误差，并优于大多数现有的RFs。

引用于2文件

MSC公司：

62小时30分 分类和区分；聚类分析（统计方面）
68吨10 模式识别、语音识别

关键词：

分类；图像分类；高维数据；随机森林；数据挖掘

软件：

注册退休基金；全森林
PDF格式BibTeX公司 XML格式引用
\textit{Q.Wang}等人，高级数据分析。分类。，ADAC 12，第4号，953--972（2018；Zbl 1416.62366）
全文： DOI程序

参考文献：

[1] 阿马拉通加，D。；Cabrera，J。；Lee，YS，《丰富的随机森林》，生物信息学，2010-2014年第24期，（2008年）·doi:10.1093/bioinformatics/btn356
[2] RE班菲尔德；霍尔，LO；鲍耶，KW；Kegelmeyer，WP，《决策树集成创建技术的比较》，IEEE Trans-Pattern Ana Mach Intell，29，173-180，（2007）·doi:10.1109/TPAMI.2007.250609
[3] Breiman，L.，《随机森林》，《马赫学习》，45，5-32，（2001）·Zbl 1007.68152号 ·doi:10.1023/A：1010933404324
[4] Breiman L、Friedman J、Stone CJ、Olshen RA（1984）分类和回归树。博卡拉顿CRC出版社·Zbl 0541.62042号
[5] Deng H（2013）rrf软件包中的引导随机森林。arXiv预打印arXiv:1306.0237
[6] 邓，H。；Runger，G.，引导正则随机森林的基因选择，模式识别，46，3483-3489，（2013）·doi:10.1016/j.patcog.2013.05.018
[7] Dietterich，TG，《构建决策树集合的三种方法的实验比较：装袋、增强和随机化》，《马赫学习》，40，139-157，（2000）·doi:10.1023/A:1007607513941
[8] Donoho DL等人（2000）《高维数据分析：维度的诅咒与祝福》。AMS数学挑战讲座，第1-32页
[9] Genuer，R。；吉咪·波吉；Tuleau-Malot，C.，使用随机森林的变量选择，模式识别快报，312225-2236，（2010）·doi:10.1016/j.patrec.2010.03.014
[10] 乔治亚德斯，AS；Belhumeur，PN；Kriegman，D.，《从少到多：可变光照和姿势下人脸识别的照明锥模型》，IEEE Trans-Pattern Ana Mach Intell，23643-660，（2001）·doi:10.1109/34.927464
[11] Ho，TK，构建决策森林的随机子空间方法，IEEE Trans-Pattern Ana Mach Intell，20832-844，（1998）·数字对象标识代码：10.1109/34.709601
[12] Lepetit，V。；Fua，P.，使用随机树进行关键点识别，IEEE Trans-Pattern Ana Mach Intell，281465-1479，（2006）·doi:10.10109/TPAMI.2006.188
[13] Liaw，A。；Wiener，M.，《随机森林分类与回归》，R News，2，18-22，（2002）
[14] Louppe G，Wehenkel L，Sutera A，Geurts P（2013）了解随机树木森林中的变量重要性。主题：神经信息处理系统的进展，第431-439页
[15] Meinshausen N（2012）分位数森林：分位数回归森林。R包版本02-3
[16] Nguyen，TT；黄，J。；Nguyen，T.，《距离预测中偏差校正的二级分位数回归森林》，《马赫学习》，101325-343，（2015）·Zbl 1343.62022号 ·doi:10.1007/s10994-014-5452-1
[17] Samaria FS，Harter AC（1994）人脸识别随机模型的参数化。收录：第二届IEEE计算机视觉应用研讨会论文集。IEEE，第138-142页
[18] 特克，M。；Pentland，A.，识别特征脸，《认知神经科学杂志》，371-86，（1991）·doi:10.1162/jocn.1991.3.1.71
[19] Tuv，E。；鲍里索夫，A。；Runger，G。；Torkkola，K.，《用集合、人工变量和冗余消除进行特征选择》，J Mach Learn Res，101341-1366，（2009）·Zbl 1235.62003号
[20] 维斯瓦纳坦，V。；Sen，A。；Chakraborty，S.，《随机贪婪算法：基于学习的组合优化方法》，Int J Adv Softw，4，1-11，（2011）
[21] 徐，B。；黄，JZ；威廉姆斯，G。；王，Q。；Ye，Y.，用小个子空间构建的随机森林对超高维数据进行分类，国际数据仓库Min，8，44-63，（2012）·doi:10.4018/jdwm.2012040103
[22] Ye，Y。；吴琼。；黄哲学，J。；Ng、MK；Li，X.，高维数据随机森林特征子空间选择的分层抽样，模式识别，46，769-787，（2013）·doi:10.1016/j.patcog.2012.09.005
[23] 张杰。；Marszałek，M。；拉泽布尼克，S。；Schmid，C.，纹理和对象类别分类的局部特征和核：一项综合研究，Int J Comput Vis，73213-238，（2007）·doi:10.1007/s11263-006-9794-4
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。