温博文，董文瀚，解武杰，马 骏

空军工程大学 航空航天工程学院，西安 710038

1 引言

随机森林算法是由Breiman于2001年提出的一种集成学习算法，并在文献[1]用强大数定理证明了其收敛性。其后，国内外学者相继对其进行了后续研究。在国外，Kulkarni等通过将维度分为两部分，一定程度上提高了正确率[2-3]。Oshiro等证明了随机森林的决策树数量存在一个临界值使其性能达到最优[4]。Bernard等研究了随机森林强度与相关性的关系，内在分析了随机森林的原理[5]。在国内，马景义等综合了Adaboost算法和随机森林算法的优势，提出了拟自适应分类随机森林算法[6]。刘迎春等基于随机森林算法，设计了互联网行业的大数据流式应用场景中的流式计算方法[7]。

随机森林是一种有效的机器学习方法，可应用于分类问题、回归问题以及特征选择问题[8]。随机森林是由决策树作为基分类器的集成学习模型，结合了Bagging和随机子空间理论。随机森林算法引入了两个随机量：一是从训练集中有放回地随机抽取样本数据组成自助训练集；二是在构建决策树的过程中随机选择特征属性作为候选分裂属性。正是由于两个随机量的引入，随机森林对噪声数据不敏感，克服了过拟合的问题。由于随机森林具有良好的性能，因此在诸多领域得到了广泛的应用。但到目前为止，对随机森林算法中决策树数量k、候选分裂属性数mtry等参数进行优化选择的研究还较少，通常都是通过经验选择参数，在文献[1]中，Breiman选取mtry为1和「lb M +1」进行了试验，M为训练样本集特征维数。……