文献综述
1.随机森林 Tin Kam Ho于1995年首次提出决策森林理论，传统决策树模型产生。
其对于数据分类比较迅速，但无法处理较复杂数据，因此性能不足。
在此基础上，Tin Kam Ho提出随机算法，在原来的决策树基础上建立新模型，性能较之前有提升[1]。
Breiman于1996年提出Bagging方法，他一种生成多个分类预测器版本的方法，并使用这些预测器来获得一个聚合预测器。
在预测一个类别时，进行多票表决。
多个版本是通过对学习集进行引导性复制并将其作为新的学习集来形成的。
一些算法，例如决策树、神经网络等，虽然被发现其稳定性差，但将弱分类器集合起来，通过进行训练的集成学习方式，则可以达到更好的学习效果[2]。
但是之后的研究都较容易忽略了数据本身问题，大多关注点在于决策树的深度以及决策树生成时的分裂准则，即算法本身的问题。
1998年，Tin Kam Ho 提出了随机子空间方法，对于特征空间的改进进行研究，将过拟合问题和最优准确度考虑在内，但未在低维度的数据集取得良好的效果。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
