【问题标题】：Building the dataset for Random Forest training procedure为随机森林训练过程构建数据集
【发布时间】：2013-02-13 21:39:35
【问题描述】：
我应该使用 bagging（bootstrap agregating 的缩写）技术来训练随机森林分类器。我阅读了here 对这种学习技术的描述，但我还没有弄清楚我最初是如何组织数据集的。
目前，我首先加载所有正面示例，然后立即加载负面示例。而且，正例不到负例的一半，所以从数据集中均匀采样，得到负例的概率大于得到正例的概率。
我应该如何构建初始数据集？
我应该打乱包含正面和负面示例的初始数据集吗？
【问题讨论】：
标签：
algorithm
machine-learning
decision-tree
random-forest
【解决方案1】：
Bagging 依赖于使用 bootstrap samples 来训练不同的预测器，并聚合它们的结果。请参阅上面的链接以获取完整的详细信息，但简而言之 - 您需要从数据中重复采样（即，如果您有 N 个编号为 1 到 N 的元素，则选择 1 到 N 之间的 K 个随机整数，然后选择那些 N 个元素作为训练集），通常创建与原始数据集大小相同的样本（即 K=N）。
您可能还应该记住一件事 - 随机森林不仅仅是对原始数据的引导聚合 - 还有一个随机选择的特征子集用于每棵树。