10.3969/j.issn.1000-386x.2019.02.049
一种加权的深度森林算法
深度森林DF(Deep Forest)由多粒度扫描和级联森林两个部分组成.其中:多粒度扫描通过滑动窗口技术获取多个特征子集,以增强级联森林的差异性;级联森林则是将决策树组成的森林通过级联方式实现表征学习.因此,深度森林克服深度学习参数依赖性强、训练开销大以及仅适用于大数据集等不足之处.然而,深度森林中各个子树的预测精度是各不相同的,简单算术平均会导致子树的错误预测对整个森林的预测产生影响,进而随着级数增加,有可能使错误被进一步放大.为此,提出一种根据森林中每棵子树的预测精度进行加权的深度森林.在高维和低维数据集上进行实验,结果表明:加权的深度森林在高维和低维数据集上性能都获得一定提升,特别在高维数据集上优势较为明显.
深度森林、多粒度扫描、级联森林、加权
36
TP3(计算技术、计算机技术)
中国博士后科学基金项目2016M600430
2019-05-21（万方平台首次上网日期，不代表论文的发表时间）
共5页
274-278
