[发明专利]随机森林模型的构造方法、装置、电子设备及存储介质有效
| 申请号： | 201910968175.4 | 申请日： | 2019-10-12 |
| 公开（公告）号： | CN110705683B | 公开（公告）日： | 2021-06-29 |
| 发明（设计）人： | 聂佩芸;李扬 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06N3/00 | 分类号： | G06N3/00 |
| 代理公司： | 北京派特恩知识产权代理有限公司 11270 | 代理人： | 王姗姗;张颖玲 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种随机森林模型的构造方法、装置、电子设备及存储介质；方法包括：将数据集的多个维度特征变量划分为多个特征子集；基于每个特征子集的样本构造对应的决策树模型，基于决策树模型确定特征子集中每个特征变量的权重；根据每个特征子集中特征变量的权重的降序排列，从每个特征子集中抽样排序在前的部分特征变量，组合形成降维特征变量集合；将数据集中的样本划分为多个样本子集；按照降维特征变量集合对每个样本子集进行有放回抽样，以得到与数据集的样本量一致的新样本子集；基于每个新样本子集独立构造决策树模型，并将构造后的多个决策树模型进行集成得到随机森林模型；如此，能够提高随机森林模型的数据处理效率。 | ||
| 搜索关键词： | 随机 森林 模型 构造 方法 装置 电子设备 存储 介质 | ||
【主权项】：
1.一种随机森林模型的构造方法，其特征在于，所述方法包括：/n将数据集包括的多个维度特征变量划分为多个特征子集；/n基于每个所述特征子集的样本构造对应的决策树模型，并基于所述决策树模型确定所述特征子集中每个特征变量的权重；/n根据每个所述特征子集中特征变量的权重的降序排列，从每个特征子集中抽样排序在前的部分特征变量，以组合形成降维特征变量集合；/n将所述数据集中的样本划分为多个样本子集；/n按照所述降维特征变量集合对每个所述样本子集进行有放回抽样，以对应每个所述样本子集抽样得到与所述数据集的样本量一致的多个新样本子集；/n分别构造与所述多个新样本子集一一对应的决策树模型，并将构造后的多个决策树模型进行集成得到随机森林模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910968175.4/，转载请声明来源钻瓜专利网。
