Географски претеглена случайна гора
Географски претеглена случайна гора (GWRF) е пространствено локален метод за ансамблово обучение, който приспособява независим модел на случайна гора във всяка наблюдавана локация, като придава по-голяма тежест на близките тренировъчни извадки в сравнение с отдалечените чрез пространствена ядрена функция. Методът е въведен от Стефанос Георгианос и колеги през 2019 г. (публикуван 2021 г.) като разширение на Случайната гора на Брейман за справяне с пространствената нестационарност — явлението, при което връзките между предиктори и отговор варират в географското пространство.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Georganos, S., et al. (2021). Geographical random forests: a spatial extension of the random forest algorithm. Geocarto International, 36(2), 121–136. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Geographically Weighted Random Forest (GWRF). ScholarGate. https://scholargate.app/bg/spatial-analysis/geographically-weighted-random-forest
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Географски претеглена регресия (GWR)Пространствен анализ↔ сравняване
- Случайна гораМашинно обучение↔ сравняване
- Пространствен лаг модел (SAR / Spatial Autoregressive)Пространствен анализ↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →