基于随机森林的K最近邻算法

基于随机森林的K最近邻算法

江昆;白旭英;车金星

【期刊名称】《南昌工程学院学报》 【年(卷),期】2016(035)006

【摘要】作为人工智能算法的经典算法之一,K最近邻(KNN)在非线性、低维数据时能够取得优越的效果.但是,当维数较高时,现有数据集往往会变得较为稀疏,此时KNN需要大量训练数据才能保证精度.因此,适当的数据降维方法是改进KNN方法的重要手段.先用随机森林对训练数据集的变量进行排序,从而建立一种有效的KNN算法,并采用Boston数据集验证了该模型的有效性. 【总页数】4页(99-102)

【关键词】随机森林;K最近邻;高维数据 【作者】江昆;白旭英;车金星

【作者单位】南昌工程学院理学院,江西 南昌 330099;西北农林科技大学理学院应用数学系,陕西 杨凌 712100;南昌工程学院理学院,江西 南昌 330099 【正文语种】中文 【中图分类】TP181 【相关文献】

1.基于类别随机化的随机森林算法 [J], 关晓蔷; 庞继芳; 梁吉业

2.基于随机森林与特征提取算法的试验文本分类算法研究 [J], 乔冠禹; 胡然; 李咏晋

3.基于遗传算法的随机森林算法优化研究 [J], 李东; 贾郭军

4.融合改进K近邻和随机森林的机器学习方法 [J], 甘胜江; 白艳宇; 孙连海; 何

俊林

5.基于随机森林算法的小鼠micro-CT影像中骨骼关节特征点定位 [J], 屠睿博; 陈中华; 王洪凯

以上内容为文献基本信息，获取文献全文请下载