极端随机森林与随机森林有何不同？

机器算法验证 r 机器学习 算法 随机森林
2022-02-01 16:54:24

ER 是否更有效的实现（类似于Extreme Gradient Boosting梯度提升）——从实际角度来看，差异是否重要？有实现它们的 R 包。它是一种新算法，它不仅在效率方面还是在其他一些领域都克服了“通用”实现（R 中的 RandomForest 包）？

极端随机森林http://link.springer.com/article/10.1007%2Fs10994-006-6226-1

1个回答

这很简单——RF 优化树上的分割（即选择那些在决策方面提供最佳信息增益的分割），而 ERF 使它们随机生成。现在，

  • 优化成本（不多，但仍然如此），因此 ERF 通常更快。
  • 优化可能有助于集成或整体过拟合中树的相关性，因此 ERF 可能更稳健，尤其是在信号较弱的情况下。

在这个方向上更进一步，您可以通过均衡每个树级别的分割来获得额外的速度，这样将树转换为蕨类植物，这也很有趣；我有这样一个个体的R 实现。

其它你可能感兴趣的问题
上一篇在哪些条件下梯度提升机器优于随机森林？ 下一篇来自随机数生成器的截断数字仍然是“随机的”吗？