76、无监督随机森林在交通场景分类中的应用

无监督随机森林在交通场景分类中的应用

1. 噪声分布

在解决分类任务时，会用到多种噪声分布。标准正态分布是常用的第二种分布，其近似公式为：
[P_n (\tilde{z}_n \leq\tilde{z}_n) = \frac{1}{1 + e^{-\sqrt{\pi}(\beta_1\tilde{z}_n^5 + \beta_2\tilde{z}_n^3 + \beta_3\tilde{z}_n)}}]
其中，(\beta_1 = -0.0004406)，(\beta_2 = 0.04181198)，(\beta_3 = 0.9)。

此外，还使用了双峰分布，它由两个平移后的标准正态分布相加得到：
[P_b (\tilde{z}_n \leq\tilde{z}_n) = P_n (\tilde{z}_n - 3 \leq\tilde{z}_n - 3) + P_n (\tilde{z}_n + 3 \leq\tilde{z}_n + 3)]

每次分割时随机选择噪声分布，可降低接近度度量对特定分布的依赖。这三种分布组成的集合也可扩展或被其他分布替代。

2. 路径接近度

传统方法可能仅使用终端节点来衡量数据点的相似性，而这里提出的接近度度量方法考虑了数据点通过树的完整路径。

假设随机森林由 (B) 棵树 (T) 组成，第 (b) 棵树 (T_b) 基于袋装数据集 (D_{u,b}) 构建。树 (T_b) 由 (N_b) 个节点 (t_{n,b}) 组成。数据点通过树的路径可定义为包含该数据点经过的所有节点的集合：
[T_{i,b} = {t_{1,b}, t_{ni2,b}, \cd