Machine learning

Random Forest

Random Forest er en ensemble-læringsmetode, introduceret af Leo Breiman i 2001, som opbygger mange beslutningstræer på bootstrap-stikprøver af data og kombinerer deres "stemmer" for at producere stærk klassifikation og regression. Ved at samle mange let forskellige træer producerer den mere nøjagtige og mere stabile forudsigelser end noget enkelt træ.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Method map

The neighbourhood of related methods — select a node to explore.

Random Forest

Beslutningstræ Logistisk regression Support Vector Machine (…XGBoost Active Learning Decision…Active Learning Gradient…Active Learning LightGBM Aktiv Læring Lineær Regr…Aktiv læring med logisti…Support Vector Machine m…

+127 more

Kilder

Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8). Springer. ISBN: 978-1-4614-7138-7

Sådan citerer du denne side

ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/da/machine-learning/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.

BeslutningstræMaskinlæring↔ compare
Logistisk regressionForskningsstatistik↔ compare
Support Vector Machine (Klassifikation)Maskinlæring↔ compare
XGBoostMaskinlæring↔ compare

Compare side by side →

Refereret af

Active Learning Decision Tree Active Learning Gradient Boosting Active Learning LightGBM Aktiv Læring Lineær Regression Aktiv læring med logistisk regression Support Vector Machine med aktiv læring AdaBoost Opmærksomhedsmekanisme Bagging (Bootstrap Aggregating)Bagging Ensemble Bayesian Bagging Bayesiansk beslutningstræ Bayesiansk k-Nærmeste Naboer Bayesian LightGBM Bayesiansk tilfældig skov Bayesiansk XGBoost BERT Finjustering Bidirectional RNN Boosting Capsule Network CatBoost CNN-billedklassifikation Konvolutionelt Neuralt Netværk (Klassifikation)DBSCAN Beslutningstræ Dyb Forstærkningslæring DeepAR Digital Soil Mapping Dilateret CNN Double Machine Learning Elastic Net Ensemble Active Learning Ensemble Apriori Algoritmen Ensemble Decision Tree Ensemble Gaussian Mixture Model Ensemble Gaussian Process Ensemble Gradient Boosting Ensemble Isolation Forest Ensemble K-Nearest Neighbors Ensemble Linear Regression Ensemble Logistisk Regression Ensemble Metric Learning Ensemble Naive Bayes Ensemble Online Learning Ensemble Selv-superviseret Læring Ensemble Support Vector Machine Ensemble Transfer Learning Forklarligt beslutningstræ Forklarlige Extra Trees Forklarlig Gradient Boosting Forklarlig K-Means Forklarbare K-Nærmeste Naboer Forklarbar LightGBM Forklarlig Multilayer Perceptron Forklarbar Naive Bayes Forklarlig Random Forest Forklarlig Stacking Ensemble Forklarlig XGBoost Ekstra Træer Gaussisk proces Geografisk vægtet random forest GPT Finjustering Gradient Boosting Graph Attention Network Grafneuralt netværk Gated Recurrent Unit (GRU)Informer Isolation Forest K-Means Clustering K-Nærmeste Naboer Knowledge Distillation Label Propagation LightGBM LIME: Local Interpretable Model-agnostic Explanations Lineær Diskriminant Analyse (LDA)Lineær regression (ML)Logistisk regression (ML)Longformer / BigBird LoRA og PEFT LSTM Maskinlæringsassisteret Epigenom-dækkende Associationsundersøgelse (ML-EWAS)Maskinlæringsassisteret GWAS Maskinlærings-assisteret metabolomik-analyse Maskinlæringsassisteret mikrobiomdiversitetsanalyse Maskinlæringsassisteret "Pathway Enrichment"-analyse Maskinlæringsassisteret RNA-seq-analyse af differentiel ekspression Flertalsafstemning Mixture of Experts Multi-layer Perceptron (MLP)Multilayer Perceptron (MLP)Multinomisk logistisk regression N-BEATS N-HiTS Naive Bayes Neural Architecture Search Neural ODE Online Bagging Online Random Forest PatchTST Pixelbaseret billedklassifikation Reguleret beslutningstræ Regulariseret Random Forest Regulariseret Stacking Ensemble Robust Bagging Robust Decision Tree Robust Gradient Boosting Robust LightGBM Robust Random Forest Robust Stacking Ensemble Robust stemmeensemble Multi-Head Self-Attention Selv-overvåget beslutningstræ Selvsuperviseret gradient-boosting Selvovervåget Random Forest Self-supervised Stacking Ensemble Semi-supervised Bagging Semi-overvåget Beslutningstræ Semi-supervised FP-growth Semi-supervised Isolation Forest Semi-supervised Random Forest Semi-supervised Stacking Ensemble Semi-supervised Support Vector Machine Semi-supervised XGBoost Sekvens-til-sekvens-model SHAP (SHapley Additive exPlanations)Stacking Stokastisk gradientnedstigning (SGD)Support Vector Machine (Klassifikation)Temporal Fusion Transformer TextCNN Transformer (NLP)UMAP Vision Transformer Visuel kontrastiv læring Stemmeensemble XGBoost

Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →