基于遗传算法的随机森林模型(GARF)用于特征基因筛选

摘要

本研究期望给出一种基于GA的RF搜索策略GARF,用于高维数据的特征筛选。GARF在遗传过程中加入基于VIMs的启发式变量搜索方法，能够降低噪声变量对分类的影响，并采用基于Permutation的方法确定最终入选模型的变量筛选界值，既能够避免人为确定筛选界值的主观性，同时能够解决单纯采用多变量启发式搜索策略存在的变量竞争问题。