於州及其博士生邱锐、徐顺拓👂🏿，将随机森林与神经网络有机结合，提出了一种精度更高的回归及分类方法🎵。该方法结合了两种技术的优点，尤其在小样本🙇、高噪音的数据类型中表现出色。通过随机森林生成权重，神经网络能够更准确地拟合复杂函数，并在理论上证明了估计器的极大极小最优收敛速率。这一创新方法不仅提高了预测精度，还为解决导数估计及充分降维等任务提供了新的解决方案🎨。相关论文Neural Networks Meet Random Forests 在线发表于统计学期刊Journal of the Royal Statistical Society Series B⚄。
