时序增强树模型分类算法

本发明涉及一种时序增强树模型分类算法。上述时序增强树模型分类算法，使用时，先利用训练数据获得初始树模型，再利用验证数据得到初始竖树模型预测的树模型预测结果和Gini指数；利用Gini指数得到树模型预测结果的权重系数；利用权重系数和Gini指数和设定的最大记忆长度获得实际记忆长度；利用实际记忆长度设定时序遗忘函数；利用时序遗忘函数获得时序遗忘后的时序预测结果；对树模型预测结果和时序预测结果的时序记忆融合，得到时序增强后的最终分类结果。上述时序增强树模型分类算法可以在分类结果预测过程中实现时序信息融合，即树模型时序信息的自适应补偿。