计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
6期
1613-1617,1644
,共6页
可视化%随机森林%有监督降维%坐标放缩%散点图
可視化%隨機森林%有鑑督降維%坐標放縮%散點圖
가시화%수궤삼림%유감독강유%좌표방축%산점도
visualization%Random Forest (RF)%supervised dimension-reduction%coordination scaling%scatter plots
目前对高维数据进行挖掘的方法大多是基于数学理论而非可视化的直觉.为便于直观分析和评价高维数据,提出引入随机森林(RF)方法对高维数据进行数据可视化.首先,采用RF进行有监督学习得到样本间的相似度度量,并采用主坐标分析法对其进行降维,将高维数据的关系信息变换到低维空间;然后,在低维空间中采用散点图进行可视化.在高维基因数据集上实验结果表明,基于RF有监督降维的可视化能够较好地展现高维数据的类分布规律,且优于传统的无监督降维后的可视化效果.
目前對高維數據進行挖掘的方法大多是基于數學理論而非可視化的直覺.為便于直觀分析和評價高維數據,提齣引入隨機森林(RF)方法對高維數據進行數據可視化.首先,採用RF進行有鑑督學習得到樣本間的相似度度量,併採用主坐標分析法對其進行降維,將高維數據的關繫信息變換到低維空間;然後,在低維空間中採用散點圖進行可視化.在高維基因數據集上實驗結果錶明,基于RF有鑑督降維的可視化能夠較好地展現高維數據的類分佈規律,且優于傳統的無鑑督降維後的可視化效果.
목전대고유수거진행알굴적방법대다시기우수학이론이비가시화적직각.위편우직관분석화평개고유수거,제출인입수궤삼림(RF)방법대고유수거진행수거가시화.수선,채용RF진행유감독학습득도양본간적상사도도량,병채용주좌표분석법대기진행강유,장고유수거적관계신식변환도저유공간;연후,재저유공간중채용산점도진행가시화.재고유기인수거집상실험결과표명,기우RF유감독강유적가시화능구교호지전현고유수거적류분포규률,차우우전통적무감독강유후적가시화효과.
