可生成图片类型(推荐)
可生成数据表类型(推荐)
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
||
第21行: | 第21行: | ||
|nodeavailabletablelist=Table_For_Downstream | |nodeavailabletablelist=Table_For_Downstream | ||
|nodeconfiguration=VariableList;DropManu;Text | |nodeconfiguration=VariableList;DropManu;Text | ||
|nodeinputports=WorkFlow-Control | |nodeinputports=WorkFlow-Control 🠊;Transfer-Table ■ | ||
|nodeoutputports=WorkFlow-Control | |nodeoutputports=WorkFlow-Control 🠊;Transfer-Model ▶;Transfer-Table ■ | ||
|statsapewikiurl=https://wiki.statsape.com/随机森林 | |statsapewikiurl=https://wiki.statsape.com/随机森林 | ||
|previousnode=[[LightGBM]] | |previousnode=[[LightGBM]] |
节点状态 | PC可用
在 V1.0部署
|
---|---|
随机森林 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | 随机森林 |
功能主类别 | 机器学习 |
英文缩写 | RF_Model |
功能亚类别 | 分类训练器 |
节点类型 | 数据挖掘 |
开发语言 | Python |
节点简介 | |
随机森林(Random Forest)是一种基于集成学习的机器学习算法,由多个决策树组成。它通过对训练数据集进行有放回的随机抽样(bootstrap采样),并在每个决策树上进行随机特征选择,来构建多个决策树模型。最终的预测结果是基于所有决策树的投票或平均结果。 | |
端口数量与逻辑控制(PC) | |
Input-入口 | 2个 |
Output-出口 | 3个 |
Loop-支持循环 | 否 |
If/Switch-支持逻辑判断 | 否 |
输入输出 | |
相关节点 | |
上一节点 | LightGBM |
下一节点 | 朴素贝叶斯 |
相关网站 |
查找其他类别的节点,请参考以下列表