文章标题：随机森林模型在分类与回归分析中的应用

文章作者：李欣海
关 键 词：随机森林， 分类树， 判别分析， 回归， 机器学习
文章摘要：随机森林（random forest）模型是由Breiman和Cutler在2001年提出的一种基于分类树的算法。它通过对大量分类树的汇总提高了模型的预测精度，是取代神经网络等传统机器学习方法的新的模型。随机森林的运算速度很快，在处理大数据时表现优异。随机森林不需要顾虑一般回归分析面临的多元共线性的问题，不用做变量选择。现有的随机森林软件包给出了所有变量的重要性。另外，随机森林便于计算变量的非线性作用，而且可以体现变量间的交互作用（interaction）。它对离群值也不敏感。本文通过3个案例，分别介绍了随机森林在昆虫种类的判别分析、有无数据的分析（取代逻辑斯蒂回归）和回归分析上的应用。案例的数据格式和R语言代码可为研究随机森林在分类与回归分析中的应用提供参考。