Go語言寫的隨機森林庫：RF.go
在機器學習中，隨機森林是一個包含多個決策樹的分類器， 并且其輸出的類別是由個別樹輸出的類別的眾數而定。 Leo Breiman和Adele Cutler發展出推論出隨機森林的算法。 而 "Random Forests" 是他們的商標。 這個術語是1995年由貝爾實驗室的Tin Kam Ho所提出的隨機決策森林（random decision forests）而來的。這個方法則是結合 Breimans 的 "Bootstrap aggregating" 想法和 Ho 的"random subspace method"" 以建造決策樹的集合。
1) RF.go 是用Go語言寫的隨機森林庫
2) RF.go 可以以并行化的方式訓練，對于每一顆決策樹綁定一個go routine, 從而充分利用多核CPU。
3) 在著名的手寫體識別圖片庫MNIST上， RF.go可以達到2.8%的錯誤率，在100顆決策樹的配置下
4) RF.go即支持分類也支持回歸. 例子和用法可以在項目代碼庫中找到.
5) RF.go支持數據結構在內存和硬盤之間交換，以JSON的格式。
本文由用戶 jopen 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。
轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。
本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！