基于改進隨機森林的推薦算法研究.pdf

1、隨著社會經(jīng)濟的發(fā)展，電子商務(wù)已經(jīng)成為生活中不可缺少的一部分。面對電子商務(wù)中信息呈幾何級數(shù)式增長，用戶很難在海量的商品信息中快速準確的找到自己感興趣的商品。個性化推薦算法就是這樣的背景下所創(chuàng)建。推薦算法改變了電子商務(wù)中從被動接收用戶請求到主動為其推薦的方式，同時也為用戶解決了從信息過載的網(wǎng)絡(luò)中找到自己喜歡物品的捷徑。本文使用的是基于改進隨機森林模型的推薦算法。
　　隨機森林算法是一種包含多個決策樹分類器的統(tǒng)計學(xué)習(xí)理論，采用了特征子空

2、間來構(gòu)建模型，能較好的處理噪聲且避免發(fā)生過擬合。本文針對幾種典型的決策森林算法，闡述了其原理和算法的特點，并從決策森林的構(gòu)建過程出發(fā)，提出了一種改進隨機森林方法。
　　本文提出一種支持向量機和隨機森林算法融合的改進隨機森林算法。隨機森林中基本弱分類器是決策樹，而決策樹在進行節(jié)點分裂是選擇分類能力最強的某個屬性。本文在決策樹的屬性選擇中結(jié)合支持向量機算法，以特征變量的線性組合（支持向量）構(gòu)成的超平面進行分裂，比單一屬性的分類能力更強