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.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+127 more
Πηγές
- 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
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.
- Δέντρο ΑποφάσεωνΜηχανική Μάθηση↔ compare
- Λογιστική ΠαλινδρόμησηΕρευνητική Στατιστική↔ compare
- Μηχανή Υποστήριξης Διανυσμάτων (Ταξινόμηση)Μηχανική Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →