10.3969/j.issn.1000-386x.2021.02.018
优化随机森林模型的网络故障预测
随机森林是一种组合分类器技术,相较于决策树等单分类器,具有更好的预测和分类性能,但其也存在一些问题:因为随机森林自身的随机性,导致预测结果存在波动性;所使用的原始数据集样本基数大,维数多,增加了随机森林组合分类器的训练时间.针对以上问题,提出优化随机森林模型,对数据集进行数据集预处理和PCA降维操作,引入累计贡献率.结合选择的最佳阈值进行最终的预测结果分类,提高了模型的训练速度、预测准确率和稳定性.实验证明,该方法具有更优越的预测性能.
故障预测、随机森林机器学习、PCA、降维
38
TP3(计算技术、计算机技术)
中央军委装备发展部领域基金项目61400010301
2021-03-09（万方平台首次上网日期，不代表论文的发表时间）
共8页
103-109,170
