Geograficky vážený náhodný les
Geograficky vážený náhodný les (GWRF) je prostorově lokální metoda učení ze souboru modelů, která v každé pozorovací lokalitě přizpůsobí nezávislý model náhodného lesa, přičemž trénovací vzorky z blízkého okolí váží více než vzorky vzdálené, a to pomocí funkce prostorového jádra. Byla zavedena Stefanos Georganosem a kolegy v roce 2019 (publikováno 2021) jako rozšíření Breimanova náhodného lesa pro zvládání prostorové nestacionarity – jevu, kdy se vztahy mezi prediktory a odezvou liší v závislosti na zeměpisném prostoru.
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
- Georganos, S., et al. (2021). Geographical random forests: a spatial extension of the random forest algorithm. Geocarto International, 36(2), 121–136. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Geographically Weighted Random Forest (GWRF). ScholarGate. https://scholargate.app/cs/spatial-analysis/geographically-weighted-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.
- Geograficky vážená regrese (GWR)Prostorová analýza↔ compare
- Random ForestStrojové učení↔ compare
- Model prostorového zpoždění (SAR / Autoregresivní prostorový model)Prostorová analýza↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →