大多数机器学习算法的计算复杂度都是随着数据量或者维度呈线性增长，这是大规模机器学习的一大挑战。上一篇文章介绍了随机决策树算法的基本方法，并从理论层面粗略的探讨了为什么随机决策树具有学习能力。本篇文章我们将着重介绍随机决策树的算法实现，算法的复杂度和实验结果中展示的精度和效率。大多数机器学习算法的计算复杂度都是随着数据量或者维度呈线性增长，这是大规模机器学习的一大挑战。上一篇
阅读背景：
随机非参数学习算法，第 2 部分: 随机决策树的实现和效果
来源：互联网
分享到：
