Regularized Random Forest
Der Regularized Random Forest (RRF), 2012 von Deng und Runger eingeführt, erweitert den Standard Random Forest durch das Hinzufügen einer Strafe, die Splits auf Merkmalen unterbindet, die nicht bereits im Ensemble verwendet werden. Diese integrierte Regularisierung erzeugt spärlichere, weniger redundante Merkmalsuntergruppen, was das Modell besonders wertvoll macht, wenn die Merkmalsauswahl ebenso wichtig ist wie die Vorhersagegenauigkeit.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/de/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.
- EntscheidungsbaumMaschinelles Lernen↔ compare
- Extra TreesMaschinelles Lernen↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Regularisierter EntscheidungsbaumMaschinelles Lernen↔ compare
- Regularisiertes Gradient BoostingMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →