在随机森林中使用什么样的决策树？
在随机森林中使用什么样的决策树？
提问于 2022-03-21 13:59:29
阅读一些文档(对于示例)，我知道有很多类型的决策树(Cart、ID3等等)。我还知道，随机森林是一种使用一组决策树的粒子算法。
我的问题是:在随机森林中，使用什么样的决策树？(cart，id3，.)
回答 2
Data Science用户
回答已采纳
发布于 2022-03-21 14:30:45
简而言之，它可以是森林中的任何类型的树:)
随机森林是许多决策的集合，随机森林的成功在很大程度上依赖于使用不相关决策树。如果我们使用相同或非常相似的树，总体结果将不会与单个决策树的结果有太大的不同。随机森林通过自举和随机性获得不相关的决策树。
那么里面是什么类型的树呢？这取决于实现。通常，任何基于树(任意树)的引导聚合属性套袋学习者都被称为随机森林。你用不同的树得到不同的味道。
例如:R中的函数randomForest()使用CART算法
CART，C4.5或C5.0，任何这些都可以用来种植森林
Data Science用户
发布于 2022-03-21 14:56:47
我同意Vineesh的回答，+1，但有更多的细节不适合评论。
从历史上看，随机森林是由Breiman (从Dietterich、Ho、Amit和Geman那里汲取灵感)引入的；Breiman也引入了CART算法(与Friedman、Olshen和Stone一起)，因此他很可能是指随机森林是基于购物车树的。
然而，该方法适用于昆兰族树(ID3，C4.5，C5.0)或其他.作为一个例子，软件包weka有自己的C4.5实现称为J48，这是自己的随机森林方法的基础。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/109235
复制相关文章
相似问题
腾讯云开发者
