如果采用非等权重的方法集成一个随机森林,会表现得更好嘛?

  统计/机器学习 监督式学习 开放问题    浏览次数: 78
0

随机森林只支持等权重地集成所有的决策树,如果我们根据每个树的预测精度来给每棵树设置不同的权重,那么这样的到的随机森林会更好嘛?

 

robert   2018-07-05 03:37



   1个回答 
2

我觉得不会。因为随机森林中每棵树见到的数据子集(sample with replacement)和特征都不一样,很难衡量一棵树比另一棵好。一个极端的例子,有棵树训练用到所有数据和特征,达到过拟合,训练错误为0,如果它权重很大,那结果接近于一棵树的结果,测试错误会较大。按训练误差给树加权重,本质上是减弱随机性,更倾向于达到过拟合。

但实际效果要试试才知道,可能针对不同数据和参数,效果会不同。而且树权重分布的设计也很重要。

这篇论文用准确率做权重,号称有改进。

Zealing   2018-07-05 08:20



  相关主题

决策树有哪些缺点?   2回答

Gradient tree boosting和random forest (随机森林) 有什么区别和联系   1回答

Adaboost里的树有没有可能权重是负数?   1回答

随机森林(random forest)和支持向量机(SVM)各有什么优劣   1回答

决策树可以做多元分类吗?   1回答

决策树剪枝有什么策略或者注意事项?   2回答

决策树是如何得到量化的概率,不只是0或1的标签?   2回答

决策树的深度和数据特征个数的关系   1回答

决策树算法ID3,C4.5和CART的特点、异同?   3回答

求问:Cart分类树为什么是基尼指数最小化准则   1回答

决策树怎么做增量学习或者online学习?   1回答

剪枝是什么意思   1回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!