文件名称：随机森林库RF.go.zip
文件大小：10.98MB
文件格式：GO
更新时间：2022-08-08 01:35:41
开源项目
在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 "Bootstrap aggregating" 想法和 Ho 的"random subspace method"" 以建造决策树的集合。 1) RF.go 是用Go语言写的随机森林库 2) RF.go 可以以并行化的方式训练，对于每一颗决策树绑定一个go routine, 从而充分利用多核CPU。 3) 在著名的手写体识别图片库MNIST上， RF.go可以达到2.8%的错误率，在100颗决策树的配置下 4) RF.go即支持分类也支持回归. 例子和用法可以在项目代码库中找到. 5) RF.go支持数据结构在内存和硬盘之间交换，以JSON的格式。 标签：RFgo
【文件预览】：
RF.go-master
----example_regression()
--------test_digit.go(2KB)
--------plot_result.py(258B)
--------test_sin.go(609B)
--------sin.out(5KB)
--------test_xor.go(894B)
----RF()
--------Regression()
--------Forest.go(2KB)
--------Tree.go(6KB)
----example_iris()
--------test_iris.go(2KB)
--------randomize.py(180B)
--------iris_proc.data(3KB)
--------rf.bin(38KB)
--------iris2.data(3KB)
----example_mnist()
--------t10k-labels-idx1-ubyte(10KB)
--------train-images-idx3-ubyte(44.86MB)
--------mnist_rf.go(3KB)
--------t10k-images-idx3-ubyte(7.48MB)
--------run.sh(161B)
--------run.bat(146B)
--------train-labels-idx1-ubyte(59KB)
----.gitignore(2KB)
----README.md(897B)
----example_cars()
--------car.data(51KB)
--------test_car.go(2KB)
----.gitattributes(483B)