我研究过Random Forest和RainForest论文，但它们有点令人困惑！总之，我了解这些算法的以下步骤。你能帮我看看我是对还是错？
我感谢您的帮助。
首先在随机森林中：
- 定义树的数量
- 通过引导分区数据
- 在每个分区构造树上（在每个节点中选择特征的子样本）
- 标记叶节点
- 用于对所有树的新实例投票进行分类。
在雨林中：
- 分区数据集
- 构建分区的 AVC 集
- 通过计算 AVC 集上的纯度标准（如 gini-index）在分区上构建树
随机森林与雨林
数据挖掘
分类
随机森林
决策树
2022-02-26 02:56:09
1个回答
随机森林是一种学习算法。它是一种使用决策树作为基础学习器的集成学习算法。您正确编写了它的步骤。
雨林不是一种学习算法。它是一种在数据集太大以至于无法容纳内存时构建决策树（如何进行拆分）的算法。在雨林中，做出分裂决定不需要整个数据集。只需要一些汇总信息（属性的 AVC 集或 AVC 组，如果您有更多内存）是必需的。
如果你的数据集很大，而内存很小，你可以使用雨林来构建几个不同的决策树。然后使用这些树作为基础学习器的随机森林算法。