推薦系統(tǒng)中隨機(jī)森林算法的優(yōu)化與應(yīng)用.pdf

1、如今，推薦系統(tǒng)已成為一種熱門的與計(jì)算機(jī)學(xué)科和數(shù)據(jù)挖掘聯(lián)系緊密的技術(shù)，在現(xiàn)代互聯(lián)網(wǎng)行業(yè)中有著重要的地位。隨機(jī)森林算法比其他線性分類器具有很多優(yōu)勢，不僅在結(jié)果預(yù)測的準(zhǔn)確度上有所提高，一般誤差也更小，并且對高維數(shù)據(jù)的處理也更高效，訓(xùn)練過程快速而且可以并行化實(shí)現(xiàn)。這使得隨機(jī)森林相關(guān)的優(yōu)化問題十分具有研究價(jià)值。
　　然而，現(xiàn)階段使用的隨機(jī)森林在進(jìn)行特征選擇時(shí)屬于純隨機(jī)，在保證弱化數(shù)據(jù)關(guān)聯(lián)度時(shí)的同時(shí)會導(dǎo)致模型強(qiáng)度的下降。此外，對于數(shù)據(jù)的類別分

2、布不平衡的情況，即存在某一個(gè)或一些類別的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)小于其他類別，使用隨機(jī)森林模型進(jìn)行預(yù)測的準(zhǔn)確率會下降，并且一般誤差會增大。
　　本文主要針對特征選擇和不平衡分類兩個(gè)問題，利用推薦系統(tǒng)競賽提供的數(shù)據(jù)，對隨機(jī)森林模型的優(yōu)化問題進(jìn)行研究。以隨機(jī)森林RC形態(tài)為基礎(chǔ)，利用卡方計(jì)算特征之間的相關(guān)性，對特征進(jìn)行排序，將特征分為兩個(gè)區(qū)間，分別進(jìn)行抽樣，使用特征的線性組合，完成特征選擇。針對類不平衡問題的研究，結(jié)合了隨機(jī)森林的平衡和加權(quán)兩種算法，