文章目錄

• 隨機森林演算法描述：
• 如何對features進行bootstrap?
• 演算法程式碼實現：

隨機森林演算法描述：

如何對features進行bootstrap?

我們需要一個feature_bound引數，每次把可以選擇的features打亂，從種選出log(d）個，每次選擇feature劃分時都是這麼選擇。
原來的決策樹程式碼，是在結點的可選node維度列表裡選取：

for feat in self.feats:

現在修改加入隨機性：

feat_len = len(self.feats)
# 預設沒有隨機性
 

if feature_bound is None:
    indices = range(0, feat_len)
elif feature_bound == "log":
    # np.random.permutation(n)：將陣列打亂後返回
    indices = np.random.permutation(feat_len)[:max(1, int(log2(feat_len)))]
else:
    indices = np.random.permutation(feat_len)[:feature_bound]
tmp_feats = [self.feats[i] for
 
 i in indices]
for feat in tmp_feats:

實際上這個是拉斯維加斯隨機演算法，把確定性演算法的某一步修改成隨機概率方式。

演算法程式碼實現：

# 匯入我們自己實現的決策樹模型
# 匯入我們自己實現的決策樹模型
from c_CvDTree.Tree import *
import numpy as np
class RandomForest(ClassifierBase):
    # 建立一個決策樹字典，以便呼叫
    _cvd_trees = {
        "id3": ID3Tree,
        "c45": C45Tree,
        "cart"
 
: CartTree
    }
    def __init__(self):
        super(RandomForest, self).__init__()
        self._trees = []
    # 實現計算的函式
    @staticmethod
    def most_appearance(arr):
        u, c = np.unique(arr, return_counts=True)
        return u[np.argmax(c)]
    # 預設使用 10 棵 CART 樹、預設 k = log(d)
    def fit(self, x, y, sample_weight=None, tree="cart", epoch=10, feature_bound="log",
            *args, **kwargs):
        x, y = np.atleast_2d(x), np.array(y)
        n_sample = len(y)
        for _ in range(epoch):
            tmp_tree = RandomForest._cvd_trees[tree](*args, **kwargs)
            # 每次選取n_sample個樣本
            _indices = np.random.randint(n_sample, size=n_sample)
            if sample_weight is None:
                _local_weight = None
            else:
                _local_weight = sample_weight[_indices]
                _local_weight /= _local_weight.sum()
            # 針對樣本進行訓練，生成樹
            tmp_tree.fit(x[_indices], y[_indices],
                sample_weight=_local_weight, feature_bound=feature_bound)
            # 把生成的樹放入森林列表
            self._trees.append(deepcopy(tmp_tree))
    # 對個體決策樹進行簡單組合
    # 把10棵樹的判斷的類別放入列表裡，這裡可能是多個樣本所以是matrix，
    # 把每個樣本的類別出現次數最多的類別，即為輸出結果
    def predict(self, x):
        _matrix = np.array([_tree.predict(x) for _tree in self._trees]).T
        return np.array([RandomForest.most_appearance(rs) for rs in _matrix])