ScholarGate
Асистент
Machine learningSpatial machine learning

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.

Отворете в MethodMindСкороВидеоСкороИзтегляне на слайдове

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Карта на методите

Обкръжението на сродните методи — изберете възел, за да го разгледате.

Източници

  1. 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.

Сравняване едно до друго

Цитиран в

ScholarGateGeographically Weighted Random Forest (Geographically Weighted Random Forest (GWRF)). Извлечено на 2026-06-15 от https://scholargate.app/bg/spatial-analysis/geographically-weighted-random-forest · Набор от данни: https://doi.org/10.5281/zenodo.20539026