目录
背影
摘要
随机森林的基本定义
随机森林实现的步骤
基于随机森林的碳排放量预测
代码下载链接： 基于随机森林的碳排放预测，基于RF的碳排放分析资源-CSDN文库 https://download.csdn.net/download/abc991835105/88138844
效果图
结果分析
展望
参考论文
背影
碳排放导致温室气体增加，气候变暖，预测碳排放量有利于指定排放政策，
摘要
随机森林原理，MATALB编程随机森林碳排放量预测。
随机森林的基本定义
在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 “Random Forests” 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 “Bootstrap aggregating” 想法和 Ho 的"random subspace method"以建造决策树的集合。
训练方法
根据下列算法而建造每棵树 [1] ：
用N来表示训练用例（样本）的个数，M表示特征数目。
输入特征数目m，用于确定决策树上一个节点的决策结果；其中m应远小于M。
从N个训练用例（样本）中以有放回抽样的方式，取样N次，形成一个训练集（即