Регуляризиран случаен лес
Регуляризираният случаен лес (RRF), въведен от Deng и Runger през 2012 г., разширява стандартния случаен лес чрез добавяне на наказание, което обезкуражава разделянията по признаци, които все още не са използвани в ансамбъла. Тази вградена регуляризация произвежда по-разредени, по-малко излишни подмножества от признаци, което прави модела особено ценен, когато изборът на признаци е толкова важен, колкото и предсказващата точност.
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
- Deng, H., & Runger, G. (2012). Feature selection via regularized trees. Proceedings of the 2012 International Joint Conference on Neural Networks (IJCNN), IEEE, pp. 1–8. DOI: 10.1109/IJCNN.2012.6252640 ↗
- Deng, H., & Runger, G. (2013). Gene selection with guided regularized random forest. Pattern Recognition, 46(12), 3483–3489. DOI: 10.1016/j.patcog.2013.05.018 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/bg/machine-learning/regularized-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.
- Дърво на решениятаМашинно обучение↔ compare
- Extra TreesМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- Регуляризирано дърво на решениятаМашинно обучение↔ compare
- Регуляризирано градиентно усилванеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →