希望对并行随机森林有研究的朋友给一些解答！

Question

请别用chatgpt回答……我也有4

首先，不考虑预测，只考虑训练（构建）。在大数据集上：

现在有一个数据集，原本的算法是使用需要用信息增益分裂为一棵树，这棵树每一个结点都会是一个条件语句，同时是二叉分裂。最后会使用if-else嵌套语句，遍历整棵树的条件语句节点和样本，生成一个if else嵌套表达式。

目前我的想法是替换为并行随机森林，这样可以同时生成多棵树，训练速度会加快，那么问题来了。

1.我该如何使用if-else嵌套生成一个表达式，是将每棵子树先合成一个if-else语句，然后最后将所有语句合成一个总的if-else表达式吗？但是由于是放回抽取，可能会涉及到有些子表达式内有重合部分，该如何处理呢？

2.或者最后将随机森林合成一棵树，这样就不用考虑if-else合成问题了。但是为了提升训练速度，我才选择了并行随机森林，最后再把所有子树合成一棵树，会不会得不偿失。

希望对机器学习有深入研究者可以围绕随机森林指点一下！给我一个随机森林的处理办法！重金感谢！

Answer 1

这个网页https://blog.csdn.net/gxf1027/article/details/117064775也许能帮助你

#include <cmath>
using namespace std;

#include "RandomCLoquatForests.h"
#include "UserInteraction2.h"

int main()
{
    // read training samples if necessary
    char filename[500] = "./DataSet/Classification/pendigits.tra";
    float** data = NULL;
    int* label = NULL;
    Dataset_info_C datainfo;
    InitalClassificationDataMatrixFormFile2(filename, data/*OUT*/, label/*OUT*/, datainfo/*OUT*/);
    // setting random forests parameters
    RandomCForests_info rfinfo;
    rfinfo.datainfo = datainfo;
    rfinfo.maxdepth = 40;
    rfinfo.ntrees = 500;
    rfinfo.mvariables = (int)sqrtf(datainfo.variables_num);
    rfinfo.minsamplessplit = 5;
    rfinfo.randomness = 1;
    // train forest
    LoquatCForest* loquatCForest = NULL;
    TrainRandomForestClassifier(data, label, rfinfo, loquatCForest /*OUT*/, 50);// print info every 50 trees
    float error_rate = 1.f;
    OOBErrorEstimate(data, label, loquatCForest, error_rate /*OUT*/);
    // save RF model, 0:xml, 1:plain text
    SaveRandomClassificationForestModel("Modelfile.xml", loquatCForest, 0);
    // clear the memory allocated for the entire forest
    ReleaseClassificationForest(&loquatCForest);
    // release money: data, label
    for (int i = 0; i < datainfo.samples_num; i++)
           delete[] data[i];
    delete[] data;
    delete[] label;
    return 0;
}