树形算法在电信客户细分中的应用研究
中调节网络节点连接权重偏倚使得网络误差平方小终训练完成神经网络模型用作树形模型照组2.2.1 决策树⑴ Gini指标计算优化决策树[9]CART生成中Gini指标因需考虑所子集划分所其计算量随着特征值集增加呈指数量上升显然缩小值集空间能显著降低运算复杂度当特征值个数较少时⑵ 树剪枝于前期数据处数据中存噪声进行平滑所采用决策树剪枝2.2.2 平衡随机森林平衡随机森林BRF算法中主两个参数需定森林规模森林中树数量树节点生成时随机特征集大小⑴ 森林规模于BRF数据量森林规模下性能评估图2所示得出本次BRF算法效果优值森林规模scale=610时取到因将森林规模设定610⑵ 树节点生成时随机特征集大小随机特征集数量设置BRF挖掘分类效果影响分析N代表随机特征集个数得出随着随机特征集设置数量增大BRF效能稍提高相应地森林生成时间被明显延长外当随机属性集较大时算法挖掘效果提升明显森林生成时间却被极大地延长因平衡时间算法挖掘效果将随机森林中树节点生成属性集个数设定5学习率设定神经网
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：