换一批随机森林的变量捕获方法在高维数据变量筛选中的应用
The Application of a Random Forest-based Variable Hunting Method to Variable Selection in High-dimensional Data
摘要目的 探讨随机森林(RF)的变量捕获方法在高维数据变量筛选中的应用.方法 通过模拟实验和实际数据分析,对两种变量捕获(vh.md,vh.vimp)和逐步剔除方法(varSelRF)进行比较,并通过选人变量的数目、模型预测错误率(PE)和受试者工作特征曲线下面积(AUC)对其进行评价.结果 模拟实验表明,在变量具有联合作用、交互作用和弱独立作用情况下,变量捕获方法均明显优于varSelRF方法和全变量VIMP排序方法;实际数据分析结果表明,变量捕获方法筛选变量结果稳定,并能够保证良好的预测效果.结论 变量捕获方法适用于高维数据的变量筛选,具有实用价值.
更多相关知识
- 浏览486
- 被引28
- 下载37
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
