Mar, 2024
移植：使随机森林一致
Grafting: Making Random Forests Consistent
Nicholas Waltz
TL;DR本文探讨了将一致性估算器嫁接到浅层 CART 中的适用性，证明了该方法在理论上具有一致性保证并在实证研究中表现良好。
Abstract
Despite their performance and widespread use, little is known about the
theory of random forests. A major unanswered question is whether, or when, the
Random Forest algorithm is consistent. The literature explore
发现论文，激发创造
缩小差距：随机森林的理论与实践
本研究提出了一种新的随机回归森林算法，证明了其一致性，并将其与其他理论可追踪的随机森林模型及实践中使用的随机森林算法进行了比较，实验证明了不同简化随机森林模型的方法的重要性。
Oct, 2013
随机森林的一致性
随机森林是一种通过构建多个随机决策树，通过平均聚合其预测结果的机器学习算法，可应用于广泛的预测问题并且具有较高的精度，同时支持小样本大小，高维特征空间和复杂数据结构的应对，本文在加法回归模型的情况下证明了该算法的一致性，并探究了随机森林如何很好地适应稀疏性。
May, 2014
通过森林修剪提高随机森林的准确性和可解释性
通过提出两种森林修剪方法，我们的研究旨在实现既有随机森林的准确性又具有决策树的解释性，通过在给定随机森林中找出最佳子森林，再将选定的树组合在一起，实验证明我们的方法在准确性和所使用的树的数量方面优于当前先进的森林修剪方法。
Jan, 2024
使用定点树加速广义随机森林
该研究论文介绍了广义随机森林及其应用。通过提出一种基于固定点迭代方法的树生长规则，实现梯度免费优化。通过数值模拟，证明所得估计器与传统梯度规则下所得估计器有可比性。
Jun, 2023
广义随机森林
该研究提出了广义随机森林方法，用于基于随机森林进行非参数统计估计，可以用于拟合任何被识别为满足一组局部矩方程的解的感兴趣数量，提出了一种灵活且计算有效的算法以及新的非参数回归，条件平均偏差估计和异质性治疗效应估计方法，通过本研究可用 GRF 软件实现。
Oct, 2016