Random 随机森林查询

我正在做一个基于随机森林的项目。我看了一个ppt（Rec08\u Oct21.ppt）（www.cs.cmu.edu/~ggordon/10601/../Rec08/Rec08\u Oct21.ppt） 关于随机森林创建。我想问一个问题。 在扫描随机选择的特征及其信息增益值后，我们选择IG最大值的特征作为特征j。那么，我们如何使用这些信息进行拆分？在这之后我们该怎么做

LearnTree(X, Y)

设X是一个rxm矩阵，R-datapoints和M-attributes，Y有R个元素，其中包含每个数据点的输出类

j* = *argmaxj* **IG** j // (This is the splitting attribute we'll use)

IG的最大值可以来自分类（基于文本）或实数（基于数字）属性

--->如果它来自分类属性（j）：对于jth属性中的每个值v，我们将定义一个新的矩阵，现在以xv和yv作为输入，派生一个子树

Xv = subset of all the rows of X in which Xij = v;
Yv = corresponding subset of Y values;
Child v = LearnTree(Xv, Yv);

PS：子树的数量将与jth属性中唯一值v的数量相同

--->如果它来自实值属性（j）：我们需要找出最佳分割阈值

PS：阈值t与为该属性提供最大IG值的值相同

将IG（Y | X:t）定义为H（Y）-H（Y | X:t）
定义H（Y | X:t）=H（Y | X=t）
定义IG*（Y | X）=最大IG（Y | X:t）

我们将拆分这个t值，然后通过定义两对新的Xt和Yt来定义两个子树

X_lo = subset of all the rows whose Xij < t
Y_lo = corresponding subset Y values
Child_lo = LearnTree(X_lo, Y_lo)

X_hi = subset of all the rows whose Xij >t
Y_hi = corresponding subset Y values
Child_hi = LearnTree(X_hi, Y_hi)

X_lo=Xijt的所有行的子集
Y_hi=对应的子集Y值
Child\u hi=LearnTree（X\u hi，Y\u hi）

分割完成后，数据将被分类

欲了解更多信息

---

我希望我回答了你的问题。

我对一般治疗投了赞成票。但“转到这里”链接已断开。您还可以看看我的java实现

X_lo = subset of all the rows whose Xij < t
Y_lo = corresponding subset Y values
Child_lo = LearnTree(X_lo, Y_lo)

X_hi = subset of all the rows whose Xij >t
Y_hi = corresponding subset Y values
Child_hi = LearnTree(X_hi, Y_hi)