Bosque Aleatorio Bayesiano
El Bosque Aleatorio Bayesiano (Bayesian Random Forest) extiende el bosque aleatorio clásico al colocar una distribución previa sobre las estructuras de los árboles y los parámetros de las hojas, para luego muestrear o aproximar la distribución posterior sobre dicho conjunto. El resultado es un conjunto de predicciones acompañadas de estimaciones de incertidumbre calibradas —una capacidad que los bosques aleatorios estándar carecen—, lo que lo hace valioso cuando saber cuán confiado está el modelo es tan importante como la predicción misma.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Taddy, M., Chen, C., Yu, J., & Wyle, M. (2015). Bayesian and Empirical Bayesian Forests. Proceedings of the 32nd International Conference on Machine Learning (ICML 2015), PMLR 37, 967–976. link ↗
- Lakshminarayanan, B., Roy, D. M., & Teh, Y. W. (2016). Mondrian Forests for Large-Scale Regression when Uncertainty Matters. Proceedings of the 19th International Conference on Artificial Intelligence and Statistics (AISTATS 2016), PMLR 51, 1478–1487. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/es/machine-learning/bayesian-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.
- Aprendizaje Activo BayesianoAprendizaje automático↔ compare
- Árbol de Decisión BayesianoAprendizaje automático↔ compare
- Aprendizaje bayesiano semisupervisadoAprendizaje automático↔ compare
- Proceso gaussianoAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →