机器学习对痴呆的初步诊断

算法1

特征选择的随机森林算法。

	输入:训练集: , , ,
	在哪里n为训练集的大小，为样本中的特征，表示示例中的类标签，和X为特征空间
	输出:关键特性T;
	开始
(1)	设所有特征权重为0，T是空的;
(2)	为我= 1到m做;
(3)	给出一个树集成模型
(4)	计算每个特征的重要性。
	数棵随机树的平均值:
	(功能重要性t) = sum(对在特征上分裂的节点求和t)的增益，其中增益按通过节点的实例数缩放，
	将树的重要性标准化到和为1。
	将特征重要向量归一化为1。
(5)	T=集合的交点集合的。
	结束