基数估计的实验数据集，其中包含三个数据集，大小不一，来源不一，这里先不把实验和论文贴出来了，等答辩完成后贴出。 大家可以自行下载。

优化随机森林模型的网络故障预测.pdf

长时间序列气象数据结合随机森林法早期预测冬小麦产量.pdf

随机森林工具箱，用于数据的训练和测试，可用于模式识别，变量选择等识别准确率较高。

数据包括 ： 苹果褐斑病 、 苹果黑腐病 、 苹果花叶病 、 苹果正常

前言 优化随机森林算法，正确率提高1%~5%（已经有90%+的正确率，再调高会导致过拟合） 论文当然是参考的，毕竟出现早的算法都被人研究烂了，什么优化基本都做过。而人类最高明之处就是懂得利用前人总结的经验和制造的工具（说了这么多就是为偷懒找借口。hhhh） 优化思路 1. 计算传统模型准确率 2. 计算设定树木颗数时最佳树深度，以最佳深度重新生成随机森林 3. 计算新生成森林中每棵树的AUC，选取AUC靠前的一定百分比的树 4. 通过计算各个树的数据相似度，排除相似度超过设定值且AUC较小的树 5. 计算最终的准确率 主要代码粘贴如下（注释比较详细，就不介绍代码了） #-*- c

随机森林是一种有效的集成学习算法，被广泛应用于模式识别中。为了得到更高的预测精度，需要对参数进行优化。提出了一种基于袋外数据估计的分类误差，利用改进的网格搜索算法对随机森林算法中的决策树数量和候选分裂属性数进行参数优化的随机森林算法。仿真结果表明，利用该方法优化得到的参数都能够使随机森林的分类效果得到一定程度的提高。

设计了一个基于ZigBee森林防火移动顸警系统。使用ZigBee技术构建一个数字传感器无线通信网络，该网络主要由终端节点、协调节点和发送节点构成。数字传感器采集的环境参数主要有温度、相对湿度、光照强度等，把各个不同功能的节点按要求散布在森林中采集现场环境参数，采集的数据经处理后通过无线通信网络发送至监测端和服务器控制端。该系统采用射频芯片CC2431作为传感器网络节点，中心节点和GPRS模块DTP-SO5Ci相连，借助移动通信网络将终端节点采集到的数据转发到手机终端或互联网中的服务器，手机客户端采用J2M

8.7　生成随机数 cos() 和 atan2() 这三个。 举例： 浏览器预览效果如图 8-7 所示。 图8-7 分析： 咦，sin30°不是等于 0.5 么？为什么会出现上面这种结果呢？其实，这是因为 JavaScript 计算会有一定的精度，但是误差是非常小的，可以忽略不计。 这些三角函数是高级动画开发的基础。当然这本书只是仅仅是带大家入门而已，对 于三角函数在动画开发中的具体应用，可以关注《Web 前端开发精品课——HTML5 Canvas 开发详解》。 8.7　生成随机数 在 JavaScript 中，我们可以使用 random() 方法来生成 0～ 1 之间的一个随机数。random， 就是“随机”的意思。特别注意一下，这里的 0 ～ 1 是只包含 0 不包含 1 的，即 [0, 1)。 语法： Math.random() 145

机器学习实战项目——决策树&随机森林&时间序列预测股价.zip