2048 AI社区

2048 AI社区

AI资讯 AI造物社区 MCP

话题讨论活动竞赛科技篇产业对接

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

2048 AI社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

随机森林

从决策树到因果森林：树模型、随机森林与可解释机器学习的完整学习路线

从基础CART讲起，带你掌握随机森林全套建模流程，再往深走六个方向：可解释AI（SHAP）、异常检测（孤立森林）、极值建模（分位数RF）、不确定性量化（BART）、因果推断（因果RF）、空间异质性（地理加权RF）。随机森林刚好卡在中间——能预测，也能解释。学完你会发现，随机森林不只是个预测工具，更是拆解复杂系统的显微镜。、异常值识别以及时间序列的处理。回归树模型推广：装袋树、袋外。十一：用贝叶斯可

 梦想的初衷~
2026-08-25 17:32:28

 216

 9

#机器学习 #随机森林
天辛大师漫谈AI时代的境界修养，武侠小说问剑心

但它推演不出陆沉舟这一划。因为这一划，没有"招式"。它是——呼吸。心跳。一个人活了四十三年的全部重量。陆沉舟睁开了眼。他的眼睛很亮，亮得像西湖水面上一层薄薄的月光。

天辛大师
2026-06-28 21:06:26

 287

 9

#人工智能 #启发式算法 #大数据 +2
AI与Python近红外光谱数据智能分析

AI与Python近红外光谱数据智能分析

 夏日恋雨
2026-05-13 14:26:41

 480

 11

#人工智能 #python #随机森林 +2
随机森林十年演进

摘要： 2015-2025年，随机森林（Random Forest）完成了从经典集成学习算法到可解释因果决策核心的跨越式演进。其凭借抗过拟合、鲁棒性强、可解释性等优势，在金融、医疗等强监管场景保持不可替代性。十年间，技术经历了三大升级：从单机离线到分布式大数据处理，再到联邦学习与因果推断融合，最终形成与大模型协同的混合范式。核心突破包括深度森林（gcForest）提出树模型深度化路径、因果森林（C

jzwspace
2026-03-30 08:43:38

 144

#随机森林 #算法 #机器学习 +4
计算机毕业设计：基于Python的商品数据分析销量预测系统 Django框架可视化随机森林电商淘宝大数据大模型（建议收藏）✅

摘要：本项目基于Python+Django框架开发商品数据分析与销量预测系统，整合Echarts可视化与随机森林算法。系统功能包括：数据大屏实时展示核心指标、多维数据分析（品牌/价格/销量分布）、评论情感分析（词云/情感分布）、销量预测（输入参数输出预测结果）、商品推荐及后台管理等模块。通过爬虫采集商品数据，采用随机森林算法构建预测模型，为电商运营提供数据支撑和决策参考。技术栈涵盖Python、D

yuanmazhiwu
2026-03-26 17:50:27

 521

 13

#python #数据分析 #大数据 +3
决策树：AI 时代的古老智慧与持久价值

决策树以「速度+可解释性」优势，在网站评分、OCR等场景展现持久价值。通过融合线性模型提升效能，证明简单规则在深度学习时代仍不可替代，成为工程师快速决策的可靠工具。

御坂10101号
2026-03-05 14:44:26

 471

 10

#决策树 #随机森林 #机器学习 +2
AI+R语言生态环境数据统计分析：混合效应模型、多元排序、Meta分析与非线性关系、随机森林与结构方程模型

如何利用GPT大语言模型辅助R语言进行生态环境数据分析的完整解决方案。课程内容涵盖生态环境数据特点、统计方法选择，以及GPT与R语言结合的实战应用。具体包括：R语言基础操作、数据准备与可视化、回归与混合效应模型、多元统计分析（排序/聚类/随机森林）、结构方程模型、非线性数据分析、Meta分析和贝叶斯回归等专题。通过GPT的实时指导，可显著提升处理复杂生态环境数据的效率，帮助研究者克服统计分析和编程

 asyxchenchong888
2026-03-02 17:02:12

 943

 9

#人工智能 #r语言 #随机森林
AI+R语言生态环境数据统计分析：混合效应模型、多元排序、Meta分析与非线性关系、随机森林与结构方程模型

在生态环境科学研究中，数据往往呈现出高度的复杂性、异质性和多源性的特点。从微观的分子生态到宏观的全球变化，研究者们面临着如何处理非正态分布、嵌套结构、时空自相关以及多变量相互作用等问题的严峻挑战。

WangYan2022
2026-03-02 09:39:36

 586

 15

#随机森林
【论文读书笔记】TSRF：热力学仿真辅助随机森林的船用柴油机燃烧室可解释性故障诊断

船用柴油机作为船舶推进系统的核心部件，燃烧室因工作环境恶劣成为故障高发区域，传统故障诊断方法要么因故障样本不足泛化能力差，要么因缺乏故障机理领域知识导致模型可解释性弱。近期研读了《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber com

匆忙游
2026-02-25 22:39:53

 1014

 24

#随机森林 #算法 #机器学习
学术江湖的“智能剑客”：书匠策AI如何重塑期刊论文写作规则

在AI时代，学术写作不再是一场“孤军奋战”的苦战，而是人与智能工具的“协同进化”。：一位设计专业学生输入“可持续城市设计”，系统不仅推荐环境科学核心文献，还提示“结合社会学方法分析居民行为对设计的影响”，让论文从普通作业跃升为跨学科创新研究。选题是论文的“基因”，但传统方式常依赖导师经验或海量文献阅读，容易陷入“热门领域挤破头，冷门方向不敢碰”的困境。的“智能剑客”横空出世，以六大独门绝技重构论文

 书匠策AI学术
2026-02-21 07:07:31

 137

 2

#人工智能 #深度学习 #支持向量机 +4
学术江湖的“智能剑客”：书匠策AI如何用六大绝技改写论文写作规则

一位高等教育学研究生在研究“高校创新创业教育”时，系统推荐结合“组织行为学”中的“计划行为理论”，使其研究框架从“教育实践”拓展为“个体行为与组织环境的互动”，显著提升论文深度。一位教育学研究生在撰写“教师数字素养提升策略”论文时，系统自动检测到其“政策建议”章缺乏理论依据，提示补充“TPACK框架”分析，使论证逻辑从“经验总结”跃升为“理论驱动”。无论是选题、逻辑、内容、格式，还是查重、跨学科创

 书匠策AI学术
2026-02-20 09:42:11

 366

 9

#人工智能 #支持向量机 #启发式算法 +4
从“问卷迷宫”到“智能灯塔”：书匠策AI如何重塑教育科研问卷设计新范式

传统问卷设计是“工匠活”，需反复打磨；而书匠策AI将其变为“科学创作”，让研究者更专注于研究问题的本质。访问书匠策AI官网（）微信公众号搜一搜“书匠策AI”，让每一份问卷都成为通往真理的“黄金船票”。在信息爆炸的时代，一份“会思考”的问卷，才是教育科研的“破局利器”。

书匠策AI学术
2026-02-13 11:44:20

 151

 3

#人工智能 #算法 #机器学习 +4
从“问卷迷雾”到“AI灯塔”：书匠策AI如何改写教育科研问卷设计规则

传统问卷设计是“工匠活”，需反复打磨；而书匠策AI将其变为“科学创作”，让研究者更专注于研究问题的本质。访问书匠策AI官网（），微信公众号搜一搜“书匠策AI”，开启你的智能问卷设计新纪元。毕竟，在科研的赛道上，工具的先进性往往决定着研究的上限。让书匠策AI成为你的智能伙伴，共同书写教育科研的新篇章！

书匠策AI学术
2026-02-13 11:35:02

 156

 2

#人工智能 #算法 #机器学习 +4
从“问卷迷宫”到“智能导航”：书匠策AI如何重新定义教育科研问卷设计

传统问卷设计是“工匠活”，需反复打磨；而书匠策AI将其变为“科学创作”，让研究者更专注于研究问题的本质。访问书匠策AI官网（），微信公众号搜一搜“书匠策AI”，让每一份问卷都成为通往真理的“黄金船票”。毕竟，在科研的赛道上，工具的先进性往往决定着研究的上限。

书匠策AI学术
2026-02-13 11:33:10

 138

#人工智能 #django #jupyter +4
从“问卷迷宫”到“智能灯塔”：书匠策AI如何重塑教育科研问卷设计新生态

在教育科研的浩瀚海洋中，问卷设计始终是研究者们既爱又恨的“双刃剑”——它既是获取一手数据的核心工具，却也因设计逻辑混乱、选项偏差、样本代表性不足等问题，让无数研究者陷入“改到崩溃”的循环。传统问卷设计依赖人工经验，从题项编排到量表验证，每一步都充满不确定性；而书匠策AI的出现，正以“智能问卷引擎”颠覆这一困境，将问卷设计从“艺术创作”升级为“科学工程”。访问书匠策AI官网（），微信公众号搜一搜“书

 书匠策AI学术
2026-02-13 11:24:46

 578

 9

#人工智能 #重构 #django +4
在黑箱和白盒之间：深入解读“热力学仿真辅助随机森林”的船舶发动机可解释故障诊断新方法

摘要：本文介绍了一种结合热力学仿真与随机森林的船舶柴油机燃烧室故障诊断方法(TSRF)。针对实际故障数据稀缺和AI模型可解释性差两大挑战，该方法通过热力学仿真生成故障数据，利用SHAP分析筛选关键参数，最终实现99.07%的仿真诊断准确率，并提供可视化解释。研究创新性地构建了"仿真-诊断-解释"闭环系统，为工业设备智能维护提供了新思路。论文发表于《Measurement》(20

王哈哈92
2026-02-09 19:16:02

 1012

 24

#随机森林 #算法 #机器学习
论文写作“黑科技”：书匠策AI如何让课程论文变身学术“轻骑兵”

书匠策AI的课程论文功能，并非简单地“替学生写论文”，而是通过智能化工具，帮助学生完成从“知识接收者”到“学术探索者”的关键转型。当AI承担起格式校对、基础分析等重复性工作，学生得以将更多精力投入问题发现与理论思考——这才是学术训练的真正价值。如果你也想解锁这些“超能力”，不妨访问书匠策AI官网，或微信公众号搜一搜“书匠策AI”，开启你的智能学术之旅！在这里，每一篇课程论文都是思想与技术的完美融合

 书匠策AI学术
2026-02-09 14:43:10

 238

 4

#科技 #人工智能 #模拟退火算法 +4
学术探险家的秘密武器：书匠策AI如何重构课程论文写作的DNA

），或微信公众号搜一搜“书匠策AI”，开启你的智能学术之旅——在这里，每一篇课程论文都是思想与技术的完美融合，每一次写作都是学术能力的跃迁升级。，则像一位经验丰富的“学术建筑师”，基于“问题提出-文献综述-理论框架-研究方法-实证分析-结论展望”的标准范式，自动生成可调整的三级标题体系，并标注每个章节的核心功能。的科研工具正以“学术外挂”的姿态，为这场探险注入超能力——它不是替代思考的“作弊器”，

书匠策AI学术
2026-02-09 14:39:35

 467

 13

#人工智能 #重构 #模拟退火算法 +4
论文开题“黑科技”：书匠策AI如何让你的研究赢在起点？

对于每一位踏入学术领域的研究者来说，撰写开题报告是开启科研征程的第一步。然而，选题撞车、文献堆砌、格式混乱……这些开题路上的“绊脚石”，常常让初学者陷入焦虑。如今，一款名为，微信公众号搜“书匠策AI”）正以“科研导航仪”的姿态，用AI技术重构开题报告的撰写流程，让学术小白也能轻松写出“专业范儿”的开题报告。

书匠策AI学术
2026-02-08 09:01:46

 445

 4

#人工智能 #leetcode #决策树 +4
解锁论文写作新次元：书匠策AI的“六维超能力”全解析

毕业论文的写作，是一场与时间、信息、逻辑的博弈。但有了书匠策AI的陪伴，你可以告别焦虑，拥抱高效——它不仅是你的“学术外挂”，更是你学术探索路上的得力伙伴。无论是本科论文还是硕士毕业设计，书匠策AI都能帮你从“信息迷雾”中突围，让每一篇论文都成为思想与技术的完美共舞！访问书匠策AI官网，或微信公众号搜一搜“书匠策AI”，开启你的智能学术之旅！

书匠策AI学术
2026-02-04 10:18:35

 158

 3

#人工智能 #宽度优先 #推荐算法 +4
当热力学遇见随机森林：一种破解船舶柴油机故障诊断“黑箱”的新思路

在工业 4.0 的浪潮下，船舶柴油机的运维模式正从基于经验的判断向智能化预测性维护转型。然而，工程实践中往往面临两座难以逾越的“大山”：一是高价值故障样本的极端稀缺，二是AI模型天然存在的“黑箱”属性导致工程人员缺乏信任。发表于。

choutongshang
2026-01-31 17:53:38

 799

 16

#人工智能 #机器学习 #随机森林
AI大模型：Python房价预测系统数据分析 Flask框架爬虫随机森林回归预测模型、链家二手房可视化大屏 ✅

摘要：本文介绍了一个基于Flask框架的二手房房价预测分析系统，适用于计算机专业毕业设计。系统整合了爬虫、机器学习和可视化技术，通过requests库抓取链家二手房数据，利用随机森林回归模型实现房价预测，并通过Echarts展示多维数据分析结果。功能包括用户注册登录、数据可视化大屏、房价预测模块及后台管理，兼顾实用性与展示性。技术栈涵盖Python、Flask、Echarts、随机森林算法等，为

 q_3375686806
2026-01-29 17:00:00

 834

 11

#人工智能 #python #数据分析 +3
九章云极DART-GUI-7B模型基于Alaya NeW Cloud强化学习云训练，登顶 OSWorld 7B 榜首

OSWorld 是目前 AI 领域衡量 “智能体（Agent）跨软件操作电脑” 能力最顶尖的基准测试，它模拟真实的操作系统环境，要求 AI 像人类一样通过视觉观察屏幕，并精准操控浏览器、Excel、VS Code 等各类桌面应用来完成跨平台的复杂任务，被OpenAI、Anthropic、字节跳动Seed、月之暗面、智谱等顶尖AI团队广泛采用，更是检验AI能否从“只会聊天”进化为“高效数字员工”的硬

 陈陈700
2026-01-28 11:30:47

 698

 12

#算法 #数据结构 #线性回归 +4
基于大数据和机器学习技术开发的宫颈癌风险因素分析与可视化系统，集成随机森林算法、K-Means聚类分析、PySpark 大数据处理以及 DeepSeek AI 智能助手

系统支持用户和管理员双角色，实现了从健康数据采集、风险评估、可视化报告到群体特征分析的全流程管理，通过科学的数据分析和可视化展示，帮助用户了解自身健康状况，为医疗决策提供数据支持。用户可详细录入个人健康信息，包括年龄、体重、身高、生活习惯（吸烟、饮酒、运动频率）、生育史、HPV感染情况、家族病史等十四项关键风险因素。系统综合考虑各项风险因素的权重和交互作用，输出低、中、高三个风险等级，并显示各项指

 叫我：松哥
2026-01-25 19:59:23

 986

 30

#机器学习 #算法 #人工智能 +4
学术迷宫的“破壁者”：书匠策AI解锁毕业论文全流程黑科技

当你在图书馆翻遍十年期刊仍找不到创新选题，当逻辑框架像散落的拼图总也拼不完整，当查重报告上刺眼的红色标记让你彻夜难眠——这或许正是每个毕业生在论文季的真实写照。但别担心，学术界的"破壁者"已悄然降临——书匠策AI正以六大核心功能重构论文写作范式，让这场学术马拉松变成智能导航下的精准冲刺。访问书匠策AI官网，微信公众号搜一搜"书匠策AI"，开启你的学术超能力时代。

书匠策AI学术
2026-01-25 10:14:31

 826

 22

#人工智能 #信息可视化 #jupyter +4
解锁论文写作新次元：书匠策AI如何用“智能五维”重塑毕业论文全流程

例如，将“我们发现”改为“本研究表明”，将简单句合并为嵌套结构（如“该技术虽提升效率，但增加成本”→“尽管该技术通过优化流程提升了运营效率，但其硬件升级需求却显著增加了短期投入成本”）。某计算机团队通过输入“医疗影像识别”，系统推荐“伦理约束”“患者隐私保护”等交叉方向，最终挖掘出“生成式AI在医疗影像中的伦理风险”这一省级优秀论文选题。：某学生用书匠策AI拆解“区块链供应链金融”章节，将“技术可

 书匠策AI学术
2026-01-25 10:08:56

 631

 17

#人工智能 #intellij-idea #大数据 +4
物理机理驱动的透明AI：热力学仿真辅助随机森林在可解释故障诊断中的应用

论文提出了一种融合热力学仿真与机器学习的船用柴油机燃烧室故障诊断方法(TSRF)。针对传统方法面临的故障样本少、模型复杂、解释性差等问题，该方法首先通过热力学模型仿真五种典型故障，生成诊断数据集；然后利用随机森林预识别故障特征，采用TreeSHAP算法筛选关键参数；最终实现高精度的故障分类，并保持物理可解释性。实验表明，该方法在区分相似故障、参数选择等方面优于传统方法，为柴油机可解释故障诊断提供了

 LENG070
2026-01-21 20:29:05

 1027

 13

#人工智能 #随机森林 #算法
特征工程十年演进（2015–2025）

摘要： 2015-2025年，特征工程从手工统计时代（泛化率70-80%）演进至多模态VLA原生自进化时代（泛化率>99%）。中国厂商（华为、阿里、百度等）实现从跟随到全球领跑，推动技术三阶段跃迁：1）2015-2018年手工特征主导；2）2019-2022年深度特征与自动化融合；3）2023-2025年VLA原生特征+量子鲁棒自进化。2025年特征工程渗透率降至10%以下，手工特征几近消失

 jzwspace
2026-01-12 09:57:36

 970

 18

#随机森林 #算法 #机器学习 +4
随机森林十年演进（2015–2025）

摘要： 2015-2025年间，随机森林从主流算法逐渐被淘汰，全球新项目份额降至1%以下。其核心思想（Bagging+随机特征）融入现代GBDT/XGBoost及大模型框架，推动机器学习向万亿级智能跃迁。2015-2018年为黄金期，2019-2022年被GBDT取代，2023-2025年大模型时代仅用于解释辅助。中国主导技术迭代，最终VLA大模型实现全域实时决策，随机森林沦为教学工具，2030年

 jzwspace
2026-01-12 09:51:29

 907

 11

#随机森林 #算法 #机器学习 +4
随机森林：三分钟让你懂“三个臭皮匠，顶个诸葛亮”的AI版

本文介绍了随机森林算法及其应用。随机森林是一种集成学习方法，通过构建多棵决策树并综合投票结果进行分类或回归。其优点包括抗过拟合、抗噪能力强、适合高维数据处理等，但存在参数复杂、计算速度慢等缺点。文章详细阐述了随机森林的生成规则和影响因素，并以加州房价预测为例展示了代码实现过程，包括数据准备、模型训练、性能评估和特征重要性可视化。结果表明随机森林在回归任务中表现良好，同时可通过调参进一步优化。该算法

 福东三幺团队
2025-12-03 10:47:46

 912

 35

#python #机器学习 #随机森林
【阅读文献笔记】Cascade Reservoir Outflow Simulation Based on Physics-Constrained Random Forest

准确的水库出库流量模拟对水资源管理至关重要。然而，传统基于机器学习的模拟方法未充分考虑水库运行的物理约束，可能导致负流量、水位超出水库自身限制等不切实际的问题。本研究利用 Sigmoid 函数将物理约束融入随机森林（RF）模型，构建了用于梯级水库出库流量模拟的物理约束随机森林模型（PC-RF）。采用基于水文年类型的分层抽样策略构建训练集和验证集，以决定系数（R²）和均方根误差（RMSE）作为评价指

 qq_46460379
2025-11-06 15:13:57

 1132

 24

#随机森林 #人工智能
基于随机森林算法的Boss直聘数据分析及可视化

摘要：本研究基于随机森林算法对Boss直聘招聘数据进行深度分析，旨在解决就业市场信息不对称问题。系统通过数据爬取与预处理构建结构化数据集，运用随机森林模型揭示薪资与经验、技能、行业等特征的非线性关联，并计算特征重要性（如核心技能权重达35%）。可视化模块采用热力图、条形图等形式直观展示分析结果，如技能溢价效应（AI技能薪资高40%）。算法优势体现在处理多类型特征误差降低25%，抗噪声干扰能力强。应

 qq_q992250277
2025-11-03 10:04:54

 729

 5

#算法 #随机森林 #数据分析
Python机器学习---6.集成学习与随机森林

生成元特征：用训练好的基础模型对 Train2 和测试集进行预测，得到 “元特征矩阵”——Train2 对应的元特征作为 “元模型的训练特征”，测试集对应的元特征作为 “元模型的测试特征”。学习法（又称 Stacking，堆叠法）是高精度需求场景的进阶结合策略，核心逻辑是 “将基础模型的输出作为‘新特征（元特征）’，训练一个‘元模型（Meta-Model）’来学习如何组合这些元特征，最终输出预测结

 丁浩666
2025-10-25 16:03:48

 1551

 22

#机器学习 #python #随机森林
AI IDE 与辅助编程的核心能力

简要介绍 AI IDE 和 AI 辅助编程工具（如 GitHub Copilot、Amazon CodeWhisperer、Tabnine 等）的普及背景，提出核心问题：这些工具能否真正提升效率，改变开发者的工作模式？AI 工具能减少低效劳动，但核心矛盾（如需求管理、人力评估体系）仍需系统性解决。真正的“告别 996”需结合技术、管理与社会层面的协同变革。

可乐加冰00
2025-08-30 15:37:30

 251

 1

#模拟退火算法 #散列表 #随机森林 +2
机器学习算法全景解析：从理论到实践

机器学习是一门研究如何通过数据自动改进计算机程序性能的学科。其核心思想是：通过算法解析数据，从中学习规律，然后对真实世界中的事件做出决策或预测。机器学习算法种类繁多，各有其适用场景和优缺点。在实际应用中，需要根据具体问题和数据特点选择合适的算法。自动化机器学习：减少人工干预可解释AI：增强模型透明度联邦学习：保护数据隐私强化学习应用扩展：解决更复杂决策问题掌握机器学习算法不仅需要理解数学原理，还需

 过往入尘土
2025-08-29 21:06:33

 2017

 44

#机器学习 #随机森林 #逻辑回归 +1
springboot.基于AIAgent的教学辅助问答系统

Java简介Java是一种面向对象的静态式编程语言。Java编程语言具有多线程和对象定向的特点。其特点是根据方案的属性将方案分为几个不同的模块，这些模块是封闭的和多样化的，在申请过程中具有很强的独立性。Java语言在计算机软件开发过程中的运用可以达到交互操作的目的，通过各种形式的交换，可以有效地处理所需的数据，从而确保计算机软件开发的可控性和可见性。开发java语言时，保留了网络接口，Java保留

 猿新
2025-08-27 18:29:32

 746

 6

#spring boot #后端 #java +4
【机器学习】AI大模型ChatGPT+DeepSeek支持下的——Python机器学习与深度学习技术

【机器学习】AI大模型ChatGPT+DeepSeek支持下的——Python机器学习与深度学习技术

 宝藏口袋
2025-08-23 07:00:00

 586

 12

#人工智能 #python #数据分析 +3
GeoAI大模型（ChatGPT/DeepSeek）驱动的地球科学智能计算技术应用

GeoAI大模型（ChatGPT/DeepSeek）驱动的地球科学智能计算技术应用

 宝藏口袋
2025-08-11 09:15:00

 1010

 12

#数据分析 #cnn #随机森林 +2
机器学习系列(10)_决策树与随机森林回归

文章目录一、决策树优缺点二、泰坦尼克号幸存者案例一、决策树优缺点（1）优点：易于理解；数据的预处理工作可以较少；使用树的成本比如预测数据的时候，对于训练树的数据点往往使用的是数量的对数；能够同时处理数值和分类数据‘处理多输出的问题；属于易于理解的白盒模型；可通过统计测试试验模型；（2）缺点：如果树过于复杂，即过拟合，导致不能很好的推广；可能不稳定；基于贪婪算法；二、泰坦尼克号幸存者案例【1】导入库

 abc123susie
2022-05-01 17:19:03

 2231

 7

#决策树 #机器学习 #随机森林
机器学习模型特征重要性分析与应用

本文深入探讨了在机器学习中如何通过模型的系数来评估特征的重要性，并以线性回归、逻辑回归和决策树等不同模型为例，展示如何计算和解释特征重要性分数。文章强调了结果的随机性和可变性，并建议多次运行以获得更稳定的平均性能。此外，还探讨了决策树特征重要性的原理及其在随机森林算法中的应用，揭示了不同特征对于预测结果影响的差异。

羊迪
2025-04-11 09:21:30

 693

 4

#线性回归 #逻辑回归 #决策树 +1
基于Python机器学习算法小分子药性预测（岭回归+随机森林回归+极端森林回归+加权平均融合模型）

本项目基于机器学习算法（岭回归+随机森林回归+极端森林回归+加权平均融合模型），通过对单模型和融合模型计算所得的指标进行对比，旨在实现对小分子在人体内清除率指标的预测。这项技术可以进行二次开发，为药物研发提供准确的预测结果，加速候选药物的筛选过程，为研发人员提供宝贵的指导，推动药物研发的进展。

小胡说人工智能
2023-06-20 11:30:00

 1730

 3

#机器学习 #python #随机森林 +1
决策树- 随机森林/GBDT/XGBoost

决策树随机森林GBDTXGBoost

weixin_50304531
2023-09-19 10:15:35

 1408

#决策树 #随机森林 #算法
区间预测 | MATLAB实现RF随机森林分位数回归多输入单输出

随机森林（Random Forest，RF）作为一种强大的集成学习方法，凭借其优秀的泛化能力和鲁棒性，在回归预测领域得到了广泛应用。传统的随机森林回归模型主要预测目标变量的期望值，然而在许多实际问题中，我们更关注目标变量的概率分布，例如预测某个事件发生的概率区间而非仅仅是期望值。在这种情况下，分位数回归 (Quantile Regression) 提供了一种有效的替代方法。

j_jinger
2024-11-20 12:51:37

 999

 20

#matlab #随机森林 #回归
决策树和随机森林

决策树和随机森林都是非线性有监督的分类模型决策树是一种树形结构，树内部每个节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶子节点代表一个分类类别。通过训练数据构建决策树，可以对未知数据进行分类，随机森林是由多个决策树组成，随机森林中每一棵决策树之间没有关联，在得到一个随机森林后，当有新的样本进入的时候，随机森林中的每一棵决策树分别进行判断，分析出该样本属于哪一类，然后最后看哪一类被选择最

 zhaoweiwei369
2022-05-19 17:27:46

 8241

 6

#决策树 #随机森林 #机器学习
计算机毕业设计Python民宿可视化分析民宿推荐系统随机森林预测算法民宿爬虫酒店爬虫大数据毕业设计 Django Vue.js 机器学习深度学习

计算机毕业设计Python民宿可视化分析民宿推荐系统随机森林预测算法民宿爬虫酒店爬虫大数据毕业设计 Django Vue.js 机器学习深度学习

 haochengxu2022
2024-08-07 09:34:47

 941

 15

#算法 #机器学习 #大数据 +3
实战 |利用机器学习实现一个多分类任务

对于机器学习而言，如果你已经大致了解了相关算法的原理、理论推导，你也不是大家口中刚入门的小白了。接下来你需要将自己所学的知识利用起来，最好的方式应该就是独立完成几个项目实战，项目难度入门级即可，因为重点是帮助你了解一个项目的流程，比如缺失值和异常值的处理、特征降维、变量转换等等。Kaggle毋庸置疑是一个很好的平台，里面的泰坦尼克号、房屋价格预测、手写数字都是非常非常经典的入门实战项目，如果你独立

 奶糖猫Esong
2020-07-17 10:09:09

 3085

 4

#机器学习 #python #分类 +1
机器学习：基于Sklearn，使用随机森林分类器RandomForestClassifier检测信用卡欺诈

本文旨在实现一个机器学习模型，该模型可以使信用卡公司能够识别欺诈性信用卡交易，这样客户就不会被收取未购买的物品的费用。

清波渚
2024-05-01 00:11:55

 1345

 40

#机器学习 #sklearn #随机森林
决策树- 随机森林/GBDT/XGBoost

随机森林单颗决策树缺点：易过拟合的缺点传统机器学习处理过拟合通常采用集成学习(多颗树投票)随机森林的生成方法【在bagging的基础上+CART树】：1.从总数为N样本集中通过重采样的方式产生n个样本(Bootstrap)2.假设样本特征数目为a，对n个样本选择其中k个特征，用建立决策树的方式获得最佳分割点3.重复m次，产生m棵决策树4.对于分类问题，按多棵树分类器投票决定最终分类结果；对于回归

 zhurui_xiaozhuzaizai
2021-10-22 22:42:09

 1w

 34

#决策树 #随机森林 #机器学习
机器学习--随机森林（Random Forest）

探索的终点将是开始时的起点。–艾略特文章内容目录：一、随机森林算法简介随机森林算法背景随机森林算法思想随机森林算法的特点随机森林算法的应用二、随机森林的相关知识信息、熵以及信息增益的概念决策树集成学习三、随机森林Python实现四、参考内容一、随机森林的那些事儿~1、背景Leo Breiman和Adele Cutler发展出推论

 proplume
2018-01-07 12:08:32

 4917

#随机森林 #机器学习
DT、RF、GBDT、XGBoost

DT、RF、GBDT、XGBoost

陶醉
2022-08-18 14:55:30

 1504

#决策树 #随机森林 #机器学习

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号