徐勇

摘 要：本文将人工智能算法——随机森林应用到了信息残缺的样本的分类预测中。通过准确度、ROC和AUC等分类性能指标的计算发现随机森林算法对带标签的信息残缺样本的分类预测能力令人满意。

关键词：人工智能;随机森林;分类预测

一、引言

自从2016Alphgo与韩国围棋世界冠军李世石的大战后，以深度学习为代表的人工智能技术再次进入人类视野。人工智能顾名思义，是研究开发用于模仿和拓展人类智能的技术科学。简单说就是用计算机程序来实现人类智能的技术。人工智能大体分为模式识别、机器学习、智能算法、数据挖掘等子领域。本文关注的就是其在数据挖掘领域的具体应用，即大数据信息的分类预测等。

在数据分析的过程中，我们经常遇到这样的应用场景。大量样本，每个样本又包含了多个特征。这里的特征其表现形式可能是多样化的，可以是数字型特征，可以是文本型特征等等，符合大数据的信息特征，同时所有的样本又自带标签或者类别归属。所需解决的问题可能是如何从这些复杂的信息中“学习”到样本的标签是如何由样本自带的诸多特征来决定的。这样即使有新的样本，也能根据其标签获取它的类别。

二、基于人工智能的大数据预测

泰坦尼克号的沉没是大家熟知的航海悲剧。我们可以从获取船上乘客年龄、性别、舱位等多方面的信息，同时也确知这些乘客生还与否（生还记为1，否则记为0）的标签。我们试图从每位乘客的如上信息中推断这些信息与其标签的对应关系。……