双权重随机森林预测算法及其并行化研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-12页 |
| 1.2.1 随机森林算法 | 第9-10页 |
| 1.2.2 分布式计算平台及算法的并行化 | 第10-11页 |
| 1.2.3 问题分析和总结 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 相关基础知识 | 第14-25页 |
| 2.1 随机森林回归算法 | 第14-18页 |
| 2.1.1 CART-分类与回归树 | 第14-15页 |
| 2.1.2 随机森林回归算法 | 第15-18页 |
| 2.2 SPARK分布式计算平台 | 第18-22页 |
| 2.2.1 Spark生态系统 | 第18-19页 |
| 2.2.2 Spark运行模式与基本的工作流程 | 第19-20页 |
| 2.2.3 Spark RDD | 第20-22页 |
| 2.3 常用的回归算法评价指标 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 双权重随机森林回归算法 | 第25-54页 |
| 3.1 随机森林相关算法的问题分析 | 第25-26页 |
| 3.2 DWRFR算法的流程 | 第26-31页 |
| 3.3 带权重的特征抽样 | 第31-36页 |
| 3.3.1 RReliefF算法 | 第31-34页 |
| 3.3.2 带权重特征抽取方法 | 第34-36页 |
| 3.4 带权重的模型集成 | 第36-41页 |
| 3.4.1 有放回的向前搜索方法 | 第36-39页 |
| 3.4.2 基于多样性计算的方法 | 第39-41页 |
| 3.5 实验结果与分析 | 第41-53页 |
| 3.5.1 实验环境 | 第41页 |
| 3.5.2 实验数据 | 第41-42页 |
| 3.5.3 评价指标 | 第42页 |
| 3.5.4 对比算法介绍 | 第42-43页 |
| 3.5.5 实验结果与分析 | 第43-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 双权重随机森林回归算法的并行化 | 第54-62页 |
| 4.1 并行化设计 | 第54-57页 |
| 4.1.1 随机森林回归建树并行化 | 第54页 |
| 4.1.2 特征权重计算并行化 | 第54-55页 |
| 4.1.3 分类回归树模型权重计算并行化 | 第55-56页 |
| 4.1.4 随机森林回归带权重的模型集成并行化 | 第56-57页 |
| 4.2 实验结果与分析 | 第57-61页 |
| 4.2.1 实验环境 | 第57-59页 |
| 4.2.2 实验数据 | 第59页 |
| 4.2.3 评价指标 | 第59页 |
| 4.2.4 实验结果与分析 | 第59-61页 |
| 4.3 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |
