Árbol de Decisión Robusto
Un Árbol de Decisión Robusto es una variante de árbol de decisión entrenada con criterios de división o procedimientos de entrenamiento modificados diseñados para reducir la sensibilidad a valores atípicos, ruido en las etiquetas y perturbaciones adversarias. En lugar de minimizar medidas de impureza estándar que se ven fuertemente afectadas por valores extremos, las variantes robustas utilizan análogos estadísticamente robustos o regularización para producir divisiones que generalizan en condiciones de datos ruidosas o corruptas.
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
- Chen, H., & Nan, F. (2019). Robust Decision Trees Against Adversarial Examples. Proceedings of the 36th International Conference on Machine Learning (ICML), PMLR 97, 1006–1015. link ↗
- Hubert, M., & Debruyne, M. (2010). Minimum covariance determinant. Wiley Interdisciplinary Reviews: Computational Statistics, 2(1), 36–43. (background on robust estimation applied to tree splitting criteria) DOI: 10.1002/wics.61 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/es/machine-learning/robust-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.
- Árbol de DecisiónAprendizaje automático↔ compare
- Extra TreesAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- Árbol de decisión regularizadoAprendizaje automático↔ compare
- Gradient Boosting RobustoAprendizaje automático↔ compare
- Robust Random ForestAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →