论文研究集成随机森林的分类模型.pdf

与集成学习相比，针对单个分类器不能获得相对较高而稳定的准确率的问题，提出一种分类模型。该模型可集成多个随机森林，并以带阈值的多数投票法作为结合方法；模型实现主要分为建立集成分类模型、实例初步预测和结合分析三个层次。MapReduce编程方式实现的分类模型以P2P流量识别为例，分别与单个随机森林和集成其他算法进行对比，实验表明提出模型能获得更好的P2P流量识别综合分类性能，该模型也为二类型分类提供了一种可行的参考方法。