随机森林算法的研究能够切换数据集

Question

我很好奇是否对随机森林进行了研究，这些森林将无监督与监督学习结合在一起，以一种允许单个算法查找模式并使用多个不同数据集的方式。我已经搜索了所有可能的方法来找到有关此研究的方法，并空了。谁能指向正确的方向？

Answer 1

半监督学习

无监督学习和监督学习的结合被称为 semi-supervised learning, ，这是我相信您正在寻找的概念。

Label propagation 在概述启发式时经常引用 semi-supervised learning. 。本质是采用聚类，但要使用一小组已知案例来得出（或偶发）簇的标签。因此，人们能够使用一小部分标记案例来对一组较大的无监督数据进行分类。

以下是一些参考：

• 维基百科有一个条目 semi-supervised learning.
• Scikit Learn用户指南通常是一个有用的起点，并具有标签式例程.
• 实际上，有论文正在处理 semi-supervised random forest 楷模.
• 另一个

希望这可以帮助！