快捷導航

java實現(xiàn)隨機森林RandomForest的示例代碼

更新時間：2017年08月24日 10:54:16 作者：九佾

本篇文章主要介紹了java實現(xiàn)隨機森林RandomForest的示例代碼，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧

隨機森林是由多棵樹組成的分類或回歸方法。主要思想來源于Bagging算法，Bagging技術(shù)思想主要是給定一弱分類器及訓練集，讓該學習算法訓練多輪，每輪的訓練集由原始訓練集中有放回的隨機抽取，大小一般跟原始訓練集相當，這樣依次訓練多個弱分類器，最終的分類由這些弱分類器組合，對于分類問題一般采用多數(shù)投票法，對于回歸問題一般采用簡單平均法。隨機森林在bagging的基礎(chǔ)上，每個弱分類器都是決策樹，決策樹的生成過程中中，在屬性的選擇上增加了依一定概率選擇屬性，在這些屬性中選擇最佳屬性及分割點，傳統(tǒng)做法一般是全部屬性中去選擇最佳屬性，這樣隨機森林有了樣本選擇的隨機性，屬性選擇的隨機性，這樣一來增加了每個分類器的差異性、不穩(wěn)定性及一定程度上避免每個分類器的過擬合（一般決策樹有過擬合現(xiàn)象），由此組合分類器增加了最終的泛化能力。下面是代碼的簡單實現(xiàn)

/**
 * 隨機森林 回歸問題
 * @author ysh  1208706282
 *
 */
public class RandomForest {
  List<Sample> mSamples;
  List<Cart> mCarts;
  double mFeatureRate;
  int mMaxDepth;
  int mMinLeaf;
  Random mRandom;
  /**
   * 加載數(shù)據(jù)  回歸樹
   * @param path
   * @param regex
   * @throws Exception
   */
  public void loadData(String path,String regex) throws Exception{
    mSamples = new ArrayList<Sample>();
    BufferedReader reader = new BufferedReader(new FileReader(path));
    String line = null;
    String splits[] = null;
    Sample sample = null;
    while(null != (line=reader.readLine())){
      splits = line.split(regex);
      sample = new Sample();
      sample.label = Double.valueOf(splits[0]);
      sample.feature = new ArrayList<Double>(splits.length-1);
      for(int i=0;i<splits.length-1;i++){
        sample.feature.add(new Double(splits[i+1]));
      }
      mSamples.add(sample);
    }
    reader.close();
  }
  public void train(int iters){
    mCarts = new ArrayList<Cart>(iters);
    Cart cart = null;
    for(int iter=0;iter<iters;iter++){
      cart = new Cart();
      cart.mFeatureRate = mFeatureRate;
      cart.mMaxDepth = mMaxDepth;
      cart.mMinLeaf = mMinLeaf;
      cart.mRandom = mRandom;
      List<Sample> s = new ArrayList<Sample>(mSamples.size());
      for(int i=0;i<mSamples.size();i++){
        s.add(mSamples.get(cart.mRandom.nextInt(mSamples.size())));
      }
      cart.setData(s);
      cart.train();
      mCarts.add(cart);
      System.out.println("iter: "+iter);
      s = null;
    }
  }
  /**
   * 回歸問題簡單平均法 分類問題多數(shù)投票法
   * @param sample
   * @return
   */
  public double classify(Sample sample){
    double val = 0;
    for(Cart cart:mCarts){
      val += cart.classify(sample);
    }
    return val/mCarts.size();
  }
  /**
   * @param args
   * @throws Exception 
   */
  public static void main(String[] args) throws Exception {
    // TODO Auto-generated method stub
    RandomForest forest = new RandomForest();
    forest.loadData("F:/2016-contest/20161001/train_data_1.csv", ",");
    forest.mFeatureRate = 0.8;
    forest.mMaxDepth = 3;
    forest.mMinLeaf = 1;
    forest.mRandom = new Random();
    forest.mRandom.setSeed(100);
    forest.train(100);
    
    List<Sample> samples = Cart.loadTestData("F:/2016-contest/20161001/valid_data_1.csv", true, ",");
    double sum = 0;
    for(Sample s:samples){
      double val = forest.classify(s);
      sum += (val-s.label)*(val-s.label);
      System.out.println(val+" "+s.label);
    }
    System.out.println(sum/samples.size()+" "+sum);
    System.out.println(System.currentTimeMillis());
  }

}

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: