问通过增加更多的单决策树，在线随机森林
EN

Data Science用户

提问于 2014-10-20 08:48:42

回答 1查看 6.8K关注 0票数 15

随机森林(RF)是由决策树的集合(DT)产生的。通过使用套袋，每个DT被训练成一个不同的数据子集。因此，是否可以通过对新数据增加更多的决策树来实现在线随机森林？

例如，我们有10K样本，训练10DT样本，然后得到1K样本，而不是重新训练完全RF，我们添加了一个新DT。现在用10+1 DT的贝叶斯平均进行预测。

此外，如果我们保留所有以前的数据，新的DT的训练主要是在新的数据，其中挑选一个样本的概率是加权的，取决于已经选择了多少次。

发布于 2014-10-21 02:43:26

有最近关于这个问题的一篇论文 (在线随机森林)，来自计算机视觉。这里有一个实现和演示文稿：10个分钟内在线随机森林

票数 9

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/2314

复制

相似问题

问通过增加更多的单决策树，在线随机森林EN