43、随机森林剪枝与空间数据集热点发现

随机森林剪枝与空间数据集热点发现

1. 随机森林剪枝

在随机森林的应用中，为了在不影响泛化目标的前提下对其进行剪枝，采用了一种独特的方法。首先，收集每个经典随机森林（CRF）的一系列统计信息，这些信息涵盖了分类的准确性、成本、复杂度等多个方面，具体统计项如下表所示：
|统计项|描述|
| ---- | ---- |
|Correct Classification Count|正确分类的数量|
|Correct Classification Percentage|正确分类的百分比|
|Incorrect Classification Count|错误分类的数量|
|Incorrect Classification Percent|错误分类的百分比|
|Kappa statistic|Kappa统计量|
|Total Cost|总成本|
|Average Cost|平均成本|
|Relative Info Score|相对信息得分|
|Info Score bits|信息得分比特数|
|Info Score bits per instance|每个实例的信息得分比特数|
|Correlation coefficient|相关系数|
|Class complexity order 0 bits|0阶类复杂度比特数|
|Class complexity order 0 bits per instance|每个实例的0阶类复杂度比特数|
|Class complexity scheme bits|类复杂度方案比特数|
|Class complexity sche