Байесов случаен лес
Байесовият случаен лес разширява класическия случаен лес чрез поставяне на априорно разпределение върху структурите на дърветата и параметрите на листата, след което се взема извадка или се апроксимира апостериорното разпределение върху този ансамбъл. Резултатът е набор от прогнози, придружени от калибрирани оценки на несигурността — възможност, която стандартните случайни гори нямат — което го прави ценен, когато знанието колко уверен е моделът е толкова важно, колкото и самата прогноза.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Taddy, M., Chen, C., Yu, J., & Wyle, M. (2015). Bayesian and Empirical Bayesian Forests. Proceedings of the 32nd International Conference on Machine Learning (ICML 2015), PMLR 37, 967–976. link ↗
- Lakshminarayanan, B., Roy, D. M., & Teh, Y. W. (2016). Mondrian Forests for Large-Scale Regression when Uncertainty Matters. Proceedings of the 19th International Conference on Artificial Intelligence and Statistics (AISTATS 2016), PMLR 51, 1478–1487. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/bg/machine-learning/bayesian-random-forest
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Бейсовско активно обучениеМашинно обучение↔ compare
- Байесов дърво на решениятаМашинно обучение↔ compare
- Байесов полунаблюдавано обучениеМашинно обучение↔ compare
- Гаусов процесМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →