Robustní rozhodovací strom
Robustní rozhodovací strom je varianta rozhodovacího stromu trénovaná s modifikovanými kritérii pro dělení nebo tréninkovými postupy navrženými ke snížení citlivosti na odlehlé hodnoty, šum v cílových proměnných a adverzní perturbace. Místo minimalizace standardních měr nečistoty, které jsou silně ovlivněny extrémními hodnotami, robustní varianty používají statisticky robustní analogie nebo regularizaci k vytvoření dělení, která dobře generalizují za podmínek šumových nebo poškozených dat.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Chen, H., & Nan, F. (2019). Robust Decision Trees Against Adversarial Examples. Proceedings of the 36th International Conference on Machine Learning (ICML), PMLR 97, 1006–1015. link ↗
- Hubert, M., & Debruyne, M. (2010). Minimum covariance determinant. Wiley Interdisciplinary Reviews: Computational Statistics, 2(1), 36–43. (background on robust estimation applied to tree splitting criteria) DOI: 10.1002/wics.61 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/cs/machine-learning/robust-decision-tree
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.
- Rozhodovací stromStrojové učení↔ compare
- Extra TreesStrojové učení↔ compare
- Random ForestStrojové učení↔ compare
- Regulovaný rozhodovací stromStrojové učení↔ compare
- Robustní Gradient BoostingStrojové učení↔ compare
- Robustní náhodný les (Robust Random Forest)Strojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →