随机森林
Parent: ai_keywords
随机森林（Random Forest）
核心定义
随机森林是一种基于决策树的集成学习算法，通过构建多棵决策树并汇总其预测结果（分类任务投票、回归任务取平均）来提升泛化能力。其名称来源于“随机化”与“森林”的结合：在训练每棵树时，同时对样本（Bootstrap抽样）和特征（随机子空间）进行随机采样，从而打破树间的相关性，有效降低过拟合风险。
关键技术点
-
Bagging（自助聚合）
从原始训练集中有放回地抽取Bootstrap样本（约占原样本量的63.2%），每棵决策树在不同子集上训练，减小方差。 -
随机特征子空间
在每棵树的每个分裂节点，仅从全部特征中随机选取一个子集（通常为$\sqrt{p}$个，$p$为特征总数），再从中选择最优分裂特征，保证树间差异性。 -
袋外误差估计
未参与单棵树训练的数据（约36.8%）构成袋外样本，可直接用于评估该树的性能，无需交叉验证。 -
特征重要性量化
通过计算每个特征在所有树上带来的不纯度减小总和，或通过打乱特征值后预测误差的增加量，评估特征对模型的重要性。 -
抗过拟合与鲁棒性
由于随机性与集成平均，随机森林对缺失值和异常值容忍度高，无需额外特征缩放，且不易过拟合。
医学/神经科学应用场景（首都医科大学神经病学背景）
在脑卒中精准诊疗中，首都医科大学宣武医院等中心常利用随机森林处理多模态数据（CT/MRI影像组学特征、脑电图、血液生物标记物及临床量表）。例如，基于随机森林构建的急性缺血性卒中早期神经功能恶化（END）预测模型，将灌注成像中的脑血流量（CBF）、平均通过时间（MTT）等参数与NIHSS评分、血糖等临床变量纳入随机森林，通过特征重要性排序识别关键风险因子（如侧支循环等级、梗死核心体积），最终在验证集上取得0.85以上的AUC，优于单一逻辑回归或SVM。该模型可直接嵌入住院电子病历系统，辅助临床医生在溶栓后24小时内进行动态风险预警，体现了随机森林在噪声多、特征交互复杂的神经重症场景中的实用价值。
