基于变态模态分解+bp-rf的轴承故障分类，基于变态模态分解的+BP神经网络-随机森林的轴承故障分类

目录
背影
摘要
随机森林的基本定义
随机森林实现的步骤
基于随机森林的机器启动识别
代码下载链接： 基于变态模态分解+bp-rf的轴承故障分类，基于变态模态分解的+BP神经网络-随机森林的轴承故障分类（代码完整，数据齐）资源-CSDN文库 https://download.csdn.net/download/abc991835105/88636462
效果图
结果分析
展望
参考论文

背影

智能家居是发展趋势，用了检测算法性能的数据集，随机森林是分类算法中分类能力较好的算法之一，本文用随机森林进行分类，

摘要

随机森林原理，基于随机森林的机器启动识别

随机森林的基本定义

在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 “Random Forests” 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 “Bootstrap aggregating” 想法和 Ho 的"random subspace method"以建造决策树的集合。

训练方法

根据下列算法而建造每棵树 [1] ：
用N来表示训练用例（样本）的个数，M表示特征数目。
输入特征数目m，用于确定决策树上一个节点的决策结果