随机森林算法在红葡萄酒质量评价指标体系选择中的应用。

hello大家好，今天我们来分享的是关于随机森林在指标体系中的应用，是一个食品工业科技的杂志，比较简单的论文我们来分享一下。一键三连开始。

今天的学习标题是：随机森林算法。在红葡萄酒质量评价指标体系选择中的应用，意思是说它是选择指标体系。选择指标用随机森林算法选择指标，然后在胡桃红葡萄酒的应用，安徽的学院、铜陵学院，还有南京南航、中科大，对中国科技大学。在药首先看一下摘要。指标评价体系是葡萄酒质量把关的重要环节，所以选择指标体系非常的重要，影响到模型的预测精度。本文就利用机器学习的方法，机器学习随机森林算法来选择评价使用，这个算法有效的减少了。

因为品酒是人为因素带来的评价不定性，首先前言描述葡萄酒的质量，是葡萄酒工业进行质量管的重要手段之一。啤酒是一般通过酒的颜色质感、口感、香气的给葡萄酒进行打分，全缺乏权威性。

普通的也有聚类，主本主成分分析法，以及其他一些相关方法进行分析的，本文用的是随机森林算法。我觉得看论文有个好处，就是可以通过论文了解一些其他知识。比方说我们知道葡萄酒是品酒师，通过酒的颜色、质感、口感、香气等等这些角度进行评价，还要根据老酒的口感、香气、平衡性等综合来考虑。

这是一篇博士的论文、博士研究生，本文就以红葡萄酒以及酿造该批红葡萄酒的酿酒葡萄为研究对象，利用随机森林算法，选取对葡萄酒质量影响较大的酿酒葡萄的理化指标，还有葡萄酒的理化指标，作为评价葡萄酒质量的重要依据，减少人为干预。

·材料还要加到葡萄酒那两份，实验方法就是对葡萄酒进行处理。看到这个随机森林算法它的原理，这里介绍一下。

随机森林算法是用这个利用一个重抽样的方法对每个样本进行一个决策树的建模，然后组合多棵决策树的预测通过投票投出了最终的结果，就是它会通过这个数的投票进行结果，具有很高的预测准确率对这个异常值还有噪声也有很好的容忍度，不容易出现过拟合。

那么随机生成算法通过评估给出变量的重要性选取重要的变量进行分类。有一个定义是：随机森林由多个决策树组成的分类器，其中的x为输入向量，另外一个这个是相互独立且同分布的。随机想项链每个每棵树投票决定最终的类标签。谁是你的在此表中的应用。这个应用比方说第一个随机森林对指标重要性计算的具体过程。

→首先对已经生成的随机森林利用diy数据测试其性能，得到一个带外准确率。要注意一直到什么叫带外数据。

→然后其次谁记得给带外数据中的某一特征v加入噪声干扰，再用加入噪声后带外数据测试随机二零的性能，将会得到一个新的带外准确率。

→最后原始的带外准确率与加入造成后的带外准确率之差可以作为这个相应的特征v的重要性、度量值。我们可以对这个进行了解，所以他这里用的是语言，用二元进行一个计算的。第一步计算出这个指标重要性，用降序排列，然后确定提出比例。

从当前的指标中集集中一次剔除相应比例的补充不重要指标，每做一次剔除得到一个指标集继续剔除不重要的指标。直到最后的两个指标比较，step2读作二中得到了各个指标对应的带外误差率，将对应的diy误差率最低的指标及作为资金的这个指标体系。说明他就找到这个结果了，这个就是纵坐标是对应的这个指标，横坐标是它一个准确的重要性越高。说明他越好。

对那个指标有一个重要的解释，那也是一样，纵坐标是它的指标坐标，是要的属性，说明他就得出个结构图就得出了结论。

这是我们用论文就完成了，这个比较简单，我们看下代码，代码大小是这样子的，也是用随机先读取数据，然后使用随机森林进行变量选择。这里还针对专门对一些比较复杂的这些变量进行一个详细的注释，就是这里很详细，我们的代码，我的代码数据是这样子的，用了这个数据，某个省的农场物流发展水平的评价，我们需要评价，就要在这些指标中选出重要性。

我们最后面是根据当地物流总量来评价不同城市的一些优劣情况。我们要知道这些指标中，这里一共有二十四个指标，二十四个指标，二十四个指标，哪个指标更重要，也就说哪个指标对我们这个农村物流总体的影响最大。比方说是第三产业的人员数量，还是我们其他的常住人口数量，还是我们之前的邮政业务量，以及我们公路总力，总里程，或者说是粮食产量等等。

我们需要知道，在众多指标中，我们对这个物流，农村物流，总而影响最大的是哪一个指标，这是我们提供的数据。好的，我们现在就是代码看一下读取数据，然后对数据进行处理处理，我们再点击一下运行，然后等待一下，等它这个结构就会出来了。

我们打开看一下，这里就会对这个指标的重要性打分，打完分之后分数越高，说明这个重要性越高对吧。然后我们就看到这个就是月底，前面是我们对应的指标了，才对应的指标，比如说这就得到我们结果对应的，就类似于论文中这样的一个排列组合的一个结果，类似于这个进行的转置提那个转制而已。这就是我们的结果，有什么代码，还有我们论文的一个对应关系。

以上就是我们今天的分享，谢谢大家。