FEST:Fast Ensembles of Sparse Trees

来源：互联网发布：青少年沉迷网络调查编辑：程序博客网时间：2024/05/09 15:56

FEST:从高维稀疏数据中学习不同类型的决策树；能做bagging,boosting,random forrest加上更多基于树的学习算法。

下载地址：FEST学习算法下载

Compiling:

要编译FEST，你需要发出如下命令：

     tar -zxvf fest.tar.gz            cd fest            make

然后复制可执行文件festlearn和festclassify到你的路径目录。

Usage:

FEST由一个学习程序（festlearn）和一个分类程序（festclassify）组成。学习程序将一组样例作为输入，输出它学习的模型。分类程序将模型和一系列样例作为输入，输出这些样例在这个模型上的预测。

festlearn的用法：

festlearn 【option】 data model

可用选项：

-c <int>:成员类型

1，bagging

2，boosting(默认)

3，random forrest

-d <int>:树的最大深度（默认：1000）

-e :是否报告包估计（默认：否）

-n <float>:负类的相对权重（默认：1）

-p <float>:random forrest的参数（默认：1）（特征的比例考虑了平方根sqrt）

-t <int>:树的数量（默认：100）

输入文件'data'包含了训练样本，它应该是SVM/LIBSVM格式

festclassify的用法：

festclassify 【options】 data model predictions

可用选项：

-t <int>:使用的树的数量（默认0=all）

输入文件'data'包含测试样例，模型（存在了'model'文件中）的预测被写到了‘predictions’文件

0 0