R语言 地理加权随机森林（GWRFC ）

GWRFC简介

随机森林可以产生高准确度的分类器，被广泛用于解决模式识别问题。然而，随机森林赋予每个决策树相同的权重，这在一定程度上降低了整个分类器的性能。该算法引入二次训练过程，提高分类正确率高目前，鲜有中文文章介绍GWRFC的技术文档，作者想使用该方法时会遇到重重困难，因此有必要利用R来建模，通过流程演示，供读者参阅。

随机森林

首先，介绍一下随机森林，细心的读者会发现我在别的章节已经介绍过了随机森林，这里我们简单重温一下。
早期，Breiman采用bagging方法从训练集中有放回地随机选取数据来产生决策树；之后Dietterich采用了在每个节点的K个最优分割中随机选取一个作为分割来产生决策树；另外的方法是从训练样本集构成的带有加权随机数据集中选择训练数据。随机森林是以K个决策树为基本分类器，进行集成学习后得到一个组合分类器。该算法由三步实现：首先，采用bootstrap抽样从原始数据集中抽取n个训练集，每个训练集的大小约为原始数据集的三分之二；其次，为每一个bootstrap训练集分别建立分类回归树࿰