A02 · 第 4 章 · 课程规划页
随机森林与袋装集成
本章研究随机森林与袋装集成。内容依次处理Bootstrap 样本与袋装方差缩减、随机特征子集与树间相关性、袋外误差、变量重要性偏差与校准。
- 所在 Part
- 第二编 树模型
- 预计学习
- 40 分钟
- 建设状态
- 已规划，尚无正式正文
计划实验
本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。
LEARNING OBJECTIVES
完成本章后应能
- 01准确说明Bootstrap 样本与袋装方差缩减。
- 02完成随机特征子集与树间相关性所需的推导、证明或算法。
- 03使用计算、例题或反例检验袋外误差、变量重要性偏差与校准。
PLANNED SECTIONS
计划章节结构
- 01
Bootstrap 样本与袋装方差缩减
界定Bootstrap 样本与袋装方差缩减，明确使用的条件、主要结论与可复核步骤。
- 02
随机特征子集与树间相关性
推导随机特征子集与树间相关性，明确使用的条件、主要结论与可复核步骤。
- 03
袋外误差、变量重要性偏差与校准
检验袋外误差、变量重要性偏差与校准，明确使用的条件、主要结论与可复核步骤。
计划定义
Bootstrap 样本与袋装方差缩减：对象、记号与前提
围绕Bootstrap 样本与袋装方差缩减列出主要对象、符号、前提与定义边界。
计划公式
随机特征子集与树间相关性：关系、判据与可复核步骤
把随机特征子集与树间相关性整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。
计划例题
袋外误差、变量重要性偏差与校准：案例、反例与核验
围绕袋外误差、变量重要性偏差与校准给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。
计划练习
随机森林与袋装集成：定义、关系与边界综合练习
联结Bootstrap 样本与袋装方差缩减、随机特征子集与树间相关性与袋外误差、变量重要性偏差与校准，分别检验定义辨析、主要步骤和适用边界。
关键词
随机森林、袋装集成、第二编 树模型、核方法、树模型与集成学习