目录
背影
摘要
随机森林的基本定义
随机森林实现的步骤
差分进化算法原理
差分算法主要参数
差分算法流程图
差分算法优化测试函数代码
完整代码包含数据下载链接： https://download.csdn.net/download/abc991835105/88179071
基于差分进化算法改进的bp神经网络的心理状况评估
数据
matlab编程实现
效果图
结果分析
展望

背影

传统的回归分析一般用最小二乘等进行拟合，局部优化能力有限，本文用随机森林进行回归分析，利用每个树的增强局部优化，从而更好的拟合自变量与因变量的关系，实现回归分析的提高
摘要
随机森林分类，天鹰算法优化随机森林多分类，天鹰算法数学原理

随机森林的基本定义

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。

训练方法

根据下列算法而建造每棵树 [1] ：
用N来表示训练用例（样本）的个数，M表示特征数目。
输入特征数目m，用于确定决