Random Forest Regularizado
Random Forest Regularizado (RRF), introducido por Deng y Runger en 2012, extiende el Random Forest estándar añadiendo una penalización que desincentiva las divisiones en características no utilizadas aún en el ensamble. Esta regularización incorporada produce subconjuntos de características más dispersos y menos redundantes, haciendo que el modelo sea especialmente valioso cuando la selección de características es tan importante como la precisión predictiva.
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
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/es/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.
- Árbol de DecisiónAprendizaje automático↔ compare
- Extra TreesAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- Árbol de decisión regularizadoAprendizaje automático↔ compare
- Gradient Boosting RegularizadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →