一个是如何用openCV函数来实现决策树。

随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的 ... 随机森林由决策树组成,决策树实际上是将空间用超平面进行划分的一种方法,每次 ...
展开查看详情

1.随机森林介绍 Random forests introduction Made 粽子

2.PPT 不重要 重点听我讲

3.CONTECT 目录 [ PART THREE] 随意发挥的相关内容? [ PART TWO] 随机森林的经典算法 [ PART ONE] 什么是随机森林

4.PART ONE 什么是随机森林 这段话来源于中科院李欣海老师 ~

5.PART ONE 什么是随机森林 随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。

6.PART ONE 什么是随机森林 随机森林由决策树组成,决策树实际上是将空间用超平面进行划分的一种方法,每次分割的时候,都将当前的空间一分为二 . 这里应该有示例图 为了 PPT 美观就不粘贴了。 100 %

7.随机森林的优点 比较适合做多分类问题;训练和预测速度快;对训练数据的容错能力,是一种有效地估计缺失数据的方法,当数据集中有大比例的数据缺失时仍然可以保持精度不变;能够有效地处理大的数据集;可以处理没有删减的成千上万的变量;能够在分类的过程中可以生成一个泛化误差的内部无偏估计;能够检测到特征之间的相互影响以及重要性程度;不会出现过度拟合;实现简单容易并行化。 PART ONE 什么是随机森林

8.怎么构建一个随机森林 1. 假如有 N 个样本,则有放回的随机选择 N 个样本 ( 每次随机选择一个样本,然后返回继续选择 ) 。这选择好了的 N 个样本用来训练一个决策树,作为决策树根节点处的样本。    2. 当每个样本有 M 个属性时,在决策树的每个节点需要分裂时,随机从这 M 个属性中选取出 m 个属性,满足条件 m << M 。然后从这 m 个属性中采用某种策略(比如说信息增益)来选择 1 个属性作为该节点的分裂属性。    3. 决策树形成过程中每个节点都要按照步骤 2 来分裂(很容易理解,如果下一次该节点选出来的那一个属性是刚刚其父节点分裂时用过的属性,则该节点已经达到了叶子节点,无须继续分裂了)。一直到不能够再分裂为止。注意整个决策树形成过程中没有进行剪枝。    4. 按照步骤 1~3 建立大量的决策树,这样就构成了随机森林了。    PART ONE 构建随机森林

9.PART TWO 随机森林的经典算法 这里也有一段废话 ~

10.PART TOW IDE 算法 A man is not old as long as he is seeking something. A man is not old until regrets take the place of dreams. CLICK TO ADD YOUR TEXT HERE PLEASE ADD YOUR TITLE HERE 200 2012 2013 2014 2015 2016 2017

11.L,F,H 分别表示日志密度,好友密度,是否使用真实头像和账号是否真实。 PART TWO ID3 算法 S,M,L 分别表示小,中,大 200

12.PART TOW IDE 算法

13.PART TOW C4 , 5 算法 2012 2013 2014 2015

14.PART THREE 补充升级以后的 PPT 考虑到时间问题,二者选一 ~ 这里想了两个分支。一个是如何利用决策树来进行特征重要性分析。 一个是如何用 openCV 函数来实现决策树。

15.PART THREE openCV 函数的实现 OpenCV 提供了随机森林的相关类和函数。 (1) 首先利用 CvRTParams 定义自己的参数,其格式如下 大部分参数描述都在 http://docs.opencv.org/modules/ml/doc/random_trees.html 上面有,这里说一下没有描述的几个参数的意义

16.THANK YOU