[发明专利]基于粒子群优化的双准确度加权随机森林算法

摘要

本发明公开了基于粒子群优化的双准确度加权随机森林算法，包括以下步骤：S1：确定原始数据集D、随机确定决策树棵数K、决策树的特征个数m，其中，m≤n，确定预测试样本率X；S2：使用Bootstrap采样法对训练数据集Sk采样，获得袋外数据Ok训练子Tk；S3：根据C4.5算法生成第k棵决策树，并计算该决策树的最终权重；S4：重复S2和S3，直至决策树棵数为K时停止；S5：使用决策树集合对测试数据进行测试进行分；S6：将S5得到的准确率作为粒子群的适应度值，采用粒子群优化算法进行迭代优化，并与历史分类准确率进行对比，最终选出最优模型参数。本发明提高了随机森林模型的准确率；同时避免了凭借经验选择参数导致的算法准确率降低的问题，进一步改善了算法的性能。