江苏龙网

  1. 首页 > 生活 > >

有哪些关于决策树中CART、随机森林算法的值得推荐的资料或文献

资料我推荐The elements of Statistical learning。要深入了解随机森林算法，建议首先从最简单的决策树ID3，CART等开始，然后学习bagging，最后再学习随机森林。其实如果你有了解CART算法，bagging算法则是在CART算法的基础上，对多棵树进行平均，但是这会导致树与树的相关性比较高，于是随机森林对此又进行了新的改进。怎样才能保证树与树的相关性不那么高呢？每棵树如果随机选取一部分属性来建树，那么就能大大减少树与树之间的相关性！Breiman真的是很聪明呢~
■网友
Leo Breiman 他的论文是最好的资源
■网友
首先推荐李航老师的《统计学习方法》，里面对决策树ID3，C4.5以及CART树的生成有详细的介绍，并且用实际例子来说明。不足之处是剪枝算法，特变是对CART树的剪枝算法描述起来很难懂。剪枝算法主要分为REP，PEP，CCP以及MEP，这里推荐一篇论文「决策树剪枝算法的比较」，对REP，CCP和MEP算法介绍的很好，按照例子自己走一遍就会了；对于PEP剪枝算法，论文只给出了公式，并没有解释公式的来源。PEP剪枝算法主要是用离散二项分布拟合高斯分布，需要一部分置信区间的知识，推荐看这篇博客：「就是要你明白机器学习系列－决策树之悲观剪枝算法」。
■网友
【有哪些关于决策树中CART、随机森林算法的值得推荐的资料或文献】 除了原作者的原文外（参见其他回答），推荐林轩田的机器学习技法课 里面对决策树（CART ） 随机森林等有较细致的讲解 链接如下https://www.bilibili.com/video/av12469267?from=search\u0026amp;seid=12817411082673312419

■网友
想完全理解那就去看Leo Breiman关于cart,bagging和random forest的原文吧，这都是他提出来的，我想要完全理解一个算法核心，对原作者的思想的研究肯定是最重要的。breiman是大师级的，可惜05年离开了，，他的一篇关于统计的两种思想很值得一看，statistical modeling:two culture
■网友
机器学习之决策树（Decision Tree）及其Python代码实现 今天刚写的一篇读书笔记，是关于机器学习之决策树（Decision Tree）及其Python代码实现，欢迎大家批评指正！
■网友
《数据挖掘导论》这本书每章末尾会附有一些经典算法的论文，可以找来看看。


    推荐阅读


    上一篇：怎样评价侯小强新推出的产品「毒药」

    下一篇：Android 平台能帮助开发者赚到多少钱