?
Использование метрических признаков в решающих деревьях на примере задачи классификации типов лесных массивов.
Методы классификации по характеру принятия решения делятся на методы, использующие глобальную оптимизацию (все наблюдения обучающей выборки), и локальную оптимизацию (наблюдения только в малой окрестности исследуемого объекта). Перспективным направлением исследований является совмещение преимуществ каждого подхода в одном объединенном классификаторе. В статье предложен метод объединения этих подходов за счет встраивания локальных метрических признаков в подход, использующий глобальную оптимизацию. Данный подход продемонстрирован для случая, когда в качестве классификатора, использующего глобальную оптимизацию, применяются методы случайного леса (random forest) и особо случайных деревьев (extra random trees). Предложены различные варианты метрических признаков. Перспективность указанного подхода проиллюстрирована на примере решения задачи классификации типа лесных массивов, в которой добавление предложенных метрических признаков существенно улучшило точность классификации.