Robust Random Forest

Robust Random Forest extiende el ensamble estándar Random Forest incorporando mecanismos que reducen la influencia de valores atípicos, ruido en las etiquetas y observaciones corruptas. En lugar de tratar a todas las instancias de entrenamiento por igual, aplica estrategias de ponderación o filtrado para que las muestras ruidosas o anómalas contribuyan menos a las divisiones de los árboles individuales, produciendo predicciones que siguen siendo fiables incluso cuando la calidad de los datos es imperfecta.