Machine learning

Τυχαίο Δάσος

Το Τυχαίο Δάσος (Random Forest) είναι μια μέθοδος ομαδικής μάθησης (ensemble learning), που εισήχθη από τον Leo Breiman το 2001, η οποία αναπτύσσει πολλά δέντρα αποφάσεων σε δείγματα bootstrap των δεδομένων και συνδυάζει τις ψήφους τους για να παράγει ισχυρή ταξινόμηση και παλινδρόμηση. Συγκεντρώνοντας πολλά ελαφρώς διαφορετικά δέντρα, παράγει πιο ακριβείς και πιο σταθερές προβλέψεις από οποιοδήποτε μεμονωμένο δέντρο.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

+127 more

Πηγές

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

Πώς να παραπέμψετε σε αυτή τη σελίδα

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

Compare side by side

Αναφέρεται από

Δέντρο Απόφασης Ενεργού ΜάθησηςΕνεργή Μάθηση με Ενίσχυση ΚλίσηςΕνεργή Μάθηση LightGBMΕνεργή Μάθηση Γραμμικής ΠαλινδρόμησηςΛογιστική Παλινδρόμηση Ενεργητικής ΜάθησηςΜηχανή Υποστήριξης Διανυσμάτων Ενεργητικής ΜάθησηςAdaBoostΜηχανισμός ΠροσοχήςBagging (Bootstrap Aggregating)Σύνολο BaggingΜπεϋζιανή Συσκευασία (Bayesian Bagging)Δέντρο Απόφασης κατά BayesΜπεϋζιανή Μέθοδος k-Πλησιέστερων ΓειτόνωνΜπεϋζιανή Βελτιστοποίηση LightGBMΜπεϋζιανό Τυχαίο ΔάσοςΜπεϋζιανό XGBoostΕπαναρρύθμιση (Fine-Tuning) του BERTΑμφίδρομο RNNΕνίσχυσηΔίκτυο ΚάψουλαςCatBoostΚατηγοριοποίηση εικόνων με Συνελικτικά Νευρωνικά Δίκτυα (CNN)Συνελικτικό Νευρωνικό Δίκτυο (Ταξινόμηση)DBSCANΔέντρο ΑποφάσεωνΒαθιά Ενισχυτική ΜάθησηDeepARΨηφιακή Χαρτογράφηση ΕδάφουςΔιογκωμένο Συνελικτικό Νευρωνικό Δίκτυο (Dilated CNN)Διπλή Μηχανική ΜάθησηElastic NetΣυνεργατική Ενεργή ΜάθησηΑλγόριθμος Ensemble AprioriΔέντρα Απόφασης ΣυνόλουΜοντέλο Μίγματος Γκαουσιανών ΣυνόλουGaussian Process Συνόλου (Ensemble Gaussian Process)Ενισχυμένη Βαθμιδωτή Μάθηση Συνόλου (Ensemble Gradient Boosting)Ensemble Isolation ForestΣύνολο K-πλησιέστερων γειτόνωνΣύνολο Γραμμικής ΠαλινδρόμησηςΣυνδυαστική Λογιστική ΠαλινδρόμησηΜάθηση Συνόλου Μετρικών (Ensemble Metric Learning)Σύνολο Naive BayesΔιαδικτυακή Μάθηση ΣυνόλωνΣυνδυαστική Αυτο-εποπτευόμενη ΜάθησηΜηχανή Υποστήριξης Διανυσμάτων ΣυνόλουΜάθηση Μεταφοράς Συνόλου (Ensemble Transfer Learning)Επεξηγήσιμο Δέντρο ΑπόφασηςΕπεξηγήσιμα Δέντρα Extra (Explainable Extra Trees)Επεξηγήσιμο Gradient BoostingΕπεξηγήσιμο K-MeansΕπεξηγήσιμοι K-πλησιέστεροι ΓείτονεςΕπεξηγήσιμο LightGBMΕπεξηγήσιμο Πολυεπίπεδο Ενδιάμεσο ΔίκτυοΕπεξηγήσιμος Αφελής BayesΕπεξηγήσιμος Τυχαίος ΔάσοςΕπεξηγήσιμη Στοίβαξη ΣυνόλωνΕπεξηγήσιμο XGBoostExtra TreesΔιαδικασία ΓκάουςΓεωγραφικά Σταθμισμένο Τυχαίο ΔάσοςΕκπαίδευση GPT (Fine-Tuning)Ενίσχυση Κλίσης (Gradient Boosting)Δίκτυο Προσοχής ΓραφήματοςΓραφικό Νευρωνικό ΔίκτυοΜονάδα Επαναλαμβανόμενης Πύλης (GRU)ΕνημερωτήςIsolation ForestΣυσταδοποίηση K-MeansΚ-Κοντινότεροι ΓείτονεςΑπόσταξη ΓνώσηςΔιάδοση ΕτικετώνLightGBMLIME: LIME: Τοπικές Ερμηνεύσιμες Ανεξάρτητες Μοντέλων ΕξηγήσειςΓραμμική Διακριτική Ανάλυση (LDA)Γραμμική Παλινδρόμηση (ML)Λογιστική Παλινδρόμηση (ML)Longformer / BigBirdLoRA και PEFTLSTMΜελέτη Συσχέτισης Επιγονιδιώματος (ML-EWAS) με Υποβοήθηση Μηχανικής ΜάθησηςGWAS με υποβοήθηση Μηχανικής ΜάθησηςΑνάλυση Μεταβολομικής με Υποβοήθηση Μηχανικής ΜάθησηςΑνάλυση Διαφορετικότητας Μικροβιώματος με Υποβοήθηση Μηχανικής ΜάθησηςΑνάλυση Εμπλουτισμού Μονοπατιών με Υποβοήθηση Μηχανικής ΜάθησηςΑνάλυση Διαφορικής Έκφρασης RNA-seq με Υποβοήθηση Μηχανικής ΜάθησηςΠλειοψηφική ΨηφοφορίαΜείγμα ΕμπειρογνωμόνωνΠολυεπίπεδο Αντιληπτήρα (MLP)Πολυεπίπεδο Εμπειρογνώμονας (MLP)Πολυωνυμική Λογιστική ΠαλινδρόμησηN-BEATSN-HiTSNaive BayesΑναζήτηση Νευρωνικής ΑρχιτεκτονικήςΝευρωνική Συνήθης Διαφορική Εξίσωση (Neural ODE)Online BaggingΔάσος Τυχαίων Διαδικτυακών ΔεδομένωνPatchTSTΤαξινόμηση Εικόνων Βάσει ΕικονοστοιχείωνΔενδρόμονο με κανονικοποίησηΚανονικοποιημένο Τυχαίο ΔάσοςΚανονικοποιημένο Στοίβαγμα Συνόλων (Regularized Stacking Ensemble)Εύρωστη Συσκευασία (Robust Bagging)Ανθεκτικό Δέντρο ΑπόφασηςΕνισχυμένη Ενίσχυση Κλίσης (Robust Gradient Boosting)Robust LightGBMRobust Random ForestΕπεκτάσεις Στοίβαξης με Ανθεκτικότητα (Robust Stacking Ensemble)Σύνολο Ισχυρής ΨηφοφορίαςΑυτο-προσοχή πολλαπλών κεφαλώνΑυτο-εποπτευόμενο Δέντρο ΑπόφασηςΑυτο-επιβλεπόμενη Ενίσχυση ΚλίσηςΑυτο-εποπτευόμενο Τυχαίο ΔάσοςΣυστοιχία Στοίβαξης με Αυτο-εποπτευόμενη ΜάθησηΗμι-επιβλεπόμενη Συσκευασία (Semi-supervised Bagging)Δέντρο Απόφασης Ημι-επιβλεπόμενοΗ ημι-επιβλεπόμενη μέθοδος FP-growthΗμι-εποπτευόμενο Δάσος Απομόνωσης (Semi-supervised Isolation Forest)Ημι-εποπτευόμενο Δάσος Τυχαίων ΔέντρωνΗ Ημι-επιβλεπόμενη Στοίβαξη ΣυνόλωνΗμι-εποπτευόμενη Μηχανή Υποστήριξης ΔιανυσμάτωνΗμι-εποπτευόμενο XGBoostΜοντέλο Ακολουθίας προς ΑκολουθίαSHAP (SHapley Additive exPlanations)StackingΣτοχαστική Κάθοδος Κλίσης (SGD)Μηχανή Υποστήριξης Διανυσμάτων (Ταξινόμηση)Temporal Fusion TransformerTextCNNΜετασχηματιστής (Επεξεργασία Φυσικής Γλώσσας)UMAPVision TransformerΟπτική Συγκριτική ΜάθησηΣύνολο Ψηφοφορίας (Voting Ensemble)XGBoost
ScholarGateRandom Forest (Random Forest (Breiman Ensemble of Decision Trees)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/random-forest · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026