基于mBagging的随机森林

随机森林是采用Bagging组合方法集成的决策树集合,在数据分类、预测领域应用广泛.Bagging组合方法在机器学习中具有代表性,但对于实际的大数据挖掘仍存在一些不足.mBagging是基于Bagging组合方法的一种改进,具有更高的统计功效、更低的假阳率以及更快的运算速度.采用全基因组SNP仿真数据集的实验表明,基于mBagging的随机森林运算速度明显快于传统的随机森林,且在保证OOB袋外错误率不劣化的前提下,判断风险SNP的准确率得到了提高.