Regulariseret Random Forest
Regulariseret Random Forest (RRF), introduceret af Deng og Runger i 2012, udvider standard Random Forest ved at tilføje en straf, der afskrækker opdelinger på features, som endnu ikke er brugt i ensemblet. Denne indbyggede regularisering producerer sparsommere, mindre redundante feature-subset, hvilket gør modellen særligt værdifuld, når feature-udvælgelse er lige så vigtig som prædiktiv nøjagtighed.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Deng, H., & Runger, G. (2012). Feature selection via regularized trees. Proceedings of the 2012 International Joint Conference on Neural Networks (IJCNN), IEEE, pp. 1–8. DOI: 10.1109/IJCNN.2012.6252640 ↗
- Deng, H., & Runger, G. (2013). Gene selection with guided regularized random forest. Pattern Recognition, 46(12), 3483–3489. DOI: 10.1016/j.patcog.2013.05.018 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/da/machine-learning/regularized-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
- Ekstra TræerMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Reguleret beslutningstræMaskinlæring↔ compare
- Regulariseret gradient-boostingMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →