2.1深度森林算法

2017年周志华教授等人提出了深度森林(DeepForest)算法^[16-17]。不仅能完成深度网络多层的构建，在进行数据特征信息转换的同时保持模型复杂度，而且超参数数量较少，模型复杂度可主动调整防止过拟合。

深度森林算法主要由两个部分构成：多粒度扫描结构与级联森林结构^[18]。森林的每一层由等量的随机森林(黑框)与完全随机森林(蓝框)构成；每个随机森林(完全随机森林)由若干个决策树(完全随机数)模型构成。每棵决策树在进行节点分裂时选取(为特征维度)个特征作为候选特征，再选择具有最小值得特征进行节点斐裂，直至每个节点获得同一类别的样本。