[发明专利]一种基于混淆矩阵的随机森林模型选择方法

摘要

本发明公开一种基于混淆矩阵的随机森林模型选择方法，包括a.以训练得到的决策树作为原始随机森林，各决策树在测试样本集上进行分类，得到各决策树分类结果的混淆矩阵，通过对随机森林中决策树的混淆矩阵两两作差，得到随机森林中任意两棵决策树的差值矩阵；将差值矩阵的F范数作为两棵决策树的相似性度量，建立随机森林的差异性度量矩阵；c.遍历差异性度量矩阵中不大于相似性阈值的元素；考察该元素所涉及的决策树的分类准确率大小若低于分类准确率阈值则删除该决策树，将该决策树所在的矩阵行列上的所有元素置零，否则保留该决策树；完成随机森林的模型选择。

主权项

一种基于混淆矩阵的随机森林模型选择方法，包括下列步骤：a.以训练得到的决策树作为原始随机森林，各决策树在测试样本集上进行分类，得到各决策树分类结果的混淆矩阵，并根据各类别的样本数目对矩阵进行归一化；b.通过对随机森林中决策树的混淆矩阵两两作差，得到随机森林中任意两棵决策树的差值矩阵。将差值矩阵的F范数作为两棵决策树的相似性度量，以此为元素建立随机森林的差异性度量矩阵，矩阵元素为该元素所涉及的两棵决策树的相似性度量值；c.按照从小到大的顺序，遍历差异性度量矩阵中不大于相似性阈值的元素；考察该元素所涉及的决策树的分类准确率大小：若低于分类准确率阈值则删除该决策树，将该决策树所在的矩阵行列上的所有元素置零，否则保留该决策树；d.最终由差异性度量矩阵的非零元素所代表的决策树被集成进入新的随机森林，完成随机森林的模型选择。