1.4 随机森林(Random Forest)

    随机森林算法是由Breiman[13]所提出的一种组合分类器算法，可构造出多个树形分类模型。“随机”一词在这里有两层含义，第一层可以理解为在总训练样本中随机有放回的为森林中的每个决策树选取与总训练樣本数相同的样本，作为构建决策树的训练集合；第二层是对森林中的每个决策树从所有样本属性中随机不放回的选择部分样本属性。随机森林算法就是先通过样本与属性随机选择，再像生成决策树模型一样，生成由决策树组成的“森林”。随机森林通过采用森林内决策树投票的方式判定待测样本类别，而不是某一决策树的单一判断，因此具有较高的准确性。

    与前3种算法相比，本算法出现较晚，在中医辨证研究中可谓是一种较新技术手段。如2015年孙超[14]运用随机森林算法对糖尿病肾病建立辨证模型，并同时对症状的重要程度进行了客观化度量，为糖尿病肾病辨证的客观化诊断提供了依据。2016年蔡晓路[15]运用随机森林对类风湿性关节炎的证候建立辨证模型，并提取出对证候诊断有意义的重要症状，为研究证候的主证探索了一种有效方法。此外，随机森林算法还被用于中医望诊的研究，如阚红星等[16]用随机森林算法对2型糖尿病中3种证候的舌象建立辨识模型 ......