Árbol de decisión de ensamble
Los métodos de árbol de decisión de ensamble entrenan múltiples árboles de decisión y combinan sus salidas para producir predicciones más precisas y estables que las de un solo árbol. Cubriendo estrategias como bagging, subespaciado aleatorio y votación, se encuentran entre las técnicas listas para usar más efectivas para tareas de clasificación y regresión tabulares.
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
- Dietterich, T. G. (2000). Ensemble methods in machine learning. In Multiple Classifier Systems, Lecture Notes in Computer Science, vol. 1857, pp. 1–15. Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-45014-9_1 ↗
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Ensemble Decision Tree (Combined Decision Tree Classifiers and Regressors). ScholarGate. https://scholargate.app/es/machine-learning/ensemble-decision-tree
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.
- Agregación por Bootstrap (Bagging)Aprendizaje automático↔ compare
- PotenciaciónAprendizaje automático↔ compare
- Árbol de DecisiónAprendizaje automático↔ compare
- Extra TreesAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- Ensamble de votaciónAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →