ব্যাখ্যাযোগ্য র্যান্ডম ফরেস্ট
ব্যাখ্যাযোগ্য র্যান্ডম ফরেস্ট (Explainable Random Forest - XRF) ব্রেমান-এর র্যান্ডম ফরেস্ট এনসেম্বলের ভবিষ্যদ্বাণী করার ক্ষমতাকে পদ্ধতিগত পোস্ট-হক অ্যাট্রিবিউশন পদ্ধতির সাথে একত্রিত করে — প্রধানত SHAP মান এবং মিন-ডিক্রিস-ইন-ইম্পিউরিটি ইম্পর্টেন্স — মডেলের সিদ্ধান্তগুলিকে স্বচ্ছ এবং নিরীক্ষণযোগ্য করে তোলার জন্য। এটি উচ্চ নির্ভুলতা এবং মানব-ব্যাখ্যাযোগ্য বৈশিষ্ট্য অবদান উভয়ই সরবরাহ করে, যা নিয়ন্ত্রক, ডোমেন বিশেষজ্ঞ এবং একাডেমিক পর্যালোচকদের চাহিদা পূরণ করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
উৎস
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Explainable Random Forest (Interpretable Ensemble with Feature Attribution). ScholarGate. https://scholargate.app/bn/machine-learning/explainable-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.
- সিদ্ধান্ত বৃক্ষযন্ত্র শিখন↔ compare
- গ্রেডিয়েন্ট বুস্টিংযন্ত্র শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →