基于改進隨機森林的推薦算法研究.pdf

1、隨著社會經濟的發(fā)展，電子商務已經成為生活中不可缺少的一部分。面對電子商務中信息呈幾何級數式增長，用戶很難在海量的商品信息中快速準確的找到自己感興趣的商品。個性化推薦算法就是這樣的背景下所創(chuàng)建。推薦算法改變了電子商務中從被動接收用戶請求到主動為其推薦的方式，同時也為用戶解決了從信息過載的網絡中找到自己喜歡物品的捷徑。本文使用的是基于改進隨機森林模型的推薦算法。
　　隨機森林算法是一種包含多個決策樹分類器的統(tǒng)計學習理論，采用了特征子空

2、間來構建模型，能較好的處理噪聲且避免發(fā)生過擬合。本文針對幾種典型的決策森林算法，闡述了其原理和算法的特點，并從決策森林的構建過程出發(fā)，提出了一種改進隨機森林方法。
　　本文提出一種支持向量機和隨機森林算法融合的改進隨機森林算法。隨機森林中基本弱分類器是決策樹，而決策樹在進行節(jié)點分裂是選擇分類能力最強的某個屬性。本文在決策樹的屬性選擇中結合支持向量機算法，以特征變量的線性組合（支持向量）構成的超平面進行分裂，比單一屬性的分類能力更強