Machine learning

Juhuslik mets

Juhuslik mets on ensemble-õppemeetod, mille võttis 2001. aastal kasutusele Leo Breiman. See kasvatab mitmeid otsustuspuud bootstrap-valimite abil ja ühendab nende hääled tugeva klassifikatsiooni ja regressiooni saavutamiseks. Mitme veidi erineva puu koondamine annab täpsemaid ja stabiilsemaid ennustusi kui ükski üksik puu.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Method map

The neighbourhood of related methods — select a node to explore.

Juhuslik mets

Otsustuspuu Logistiline regressioon Support Vector Machine (…XGBoost Aktiivse õppe otsustuspuu Gradient Boosting Active…Aktiivne õppimine LightG…Aktiivne õppimine lineaa…Aktiivne õppimine logist…Aktiivse õppe tugivektor…

+127 more

Allikad

Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8). Springer. ISBN: 978-1-4614-7138-7

Kuidas sellele lehele viidata

ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/et/machine-learning/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.

OtsustuspuuMasinõpe↔ compare
Logistiline regressioonUurimisstatistika↔ compare
Support Vector Machine (Klassifitseerimine)Masinõpe↔ compare
XGBoostMasinõpe↔ compare

Compare side by side →

Sellele viitavad

Aktiivse õppe otsustuspuu Gradient Boosting Active Learning Aktiivne õppimine LightGBM Aktiivne õppimine lineaarregressiooniga Aktiivne õppimine logistilise regressiooniga Aktiivse õppe tugivektor-masin AdaBoost Tähelepanu mehhanism Bagging (Bootstrap Aggregating)Bagging Ensemble Bayesi põhine pakkimine (Bayesian Bagging)Bayesi otsustuspuu Bayesi k-lähimad naabrid Bayesian LightGBM Bayesi juhuslik mets Bayesian XGBoost BERT-mudeli täpsustamine Kahesuunaline RNN Boosting Kapselvõrk CatBoost CNN-pildiklassifikaator Konvolutsiooniline närvivõrk (klassifitseerimine)DBSCAN Otsustuspuu Süva tugevdamisõpe DeepAR Digitaalne mullakaardistus – ennustav mullamaastiku modelleerimine Laiendatud CNN Topeltmasinõpe Elastic Net Ensemble Active Learning Ensemble Apriori Algoritm Ensemble Decision Tree Ensemble Gaussian Mixture Model Ensemble Gaussian Process Ensemble Gradient Boosting Ensemble Isolation Forest Ensemble K-lähim naaber Ensemble lineaarregressioon Ensemble Logistic Regression Ensemble Metric Learning Ensemble Naive Bayes Võrgustiku ansambelõpe Ensemble enesetäiendav õppimine Ansambel-tugivektormasin Ensemble Transfer Learning Seletatav otsustuspuu Selgitatavad eripuud Selgitatav gradienttugevdamine Explainable K-Means Selgitatav K lähimat naabrit Selgitatav LightGBM Selgitatav Multikihtne Perseptron Selgitatav Naive Bayes Selgitatav juhuslik mets Selgitatav virnastatud ansambel Selgitatav XGBoost Ekstra puud Gaussi protsess Geographically Weighted Random Forest GPT peenhäälestus Gradient Boosting Graafiline tähelepanuvõrk Graafiline närvivõrk Gated Recurrent Unit (GRU)Informer Isolation Forest K-Means klastreerimine K-Nearest Neighbors Teadmise destilleerimine Siltide levitamine LightGBM LIME: Kohalikud tõlgendatavad mudelist-agnostilised selgitused Lineaarne diskriminantanalüüs (LDA)Lineaarne regressioon (ML)Logistiline regressioon (ML)Longformer / BigBird LoRA ja PEFT LSTM Masinõppega toetatud epigenoomiülene assotsiatsiooniuuring (ML-EWAS)Masinõppepõhine GWAS Masinõppega toetatud metaboloomika analüüs Masinõppimisega abistatud mikrobioomi diversiteedi analüüs Masinõppimisega abistatud rajaprofiili analüüs Masinõppe abil juhitav RNA-seq diferentsiaalavaldise analüüs Enamushääletus Ekspertide segu Multikihtiline perceptron (MLP)Multilayer Perceptron (MLP)Multinomiaalne logistlik regressioon N-BEATS N-HiTS Bayesi naiivne klassifikaator Neuraalarhitektuuri otsing Neuraalne ODE Online Bagging Võrgu-juhuslik mets PatchTST Pikslipõhine pildiklassifikatsioon Regulaarne otsustuspuu Reguleeritud juhuslik mets Reguleeritud virnastamise ansambel Robustne kotletiseerimine Robustne otsustuspuu Robustne gradient boosting Robust LightGBM Robust Random Forest Robustne virnastatud kooslus Tugev häälte kogum Mitmepealine enesetähelepanu Eneseteadlik otsustuspuu Eneseteadlik gradientvõimendus Eneseteadlik juhuslik mets Enesesalvestav virnastatud kooslus Poolitud masinõppe (Semi-supervised Bagging)Poolitatud otsustuspuu Poolitatud FP-kasvu algoritm Semi-supervised Isolation Forest Poolitatud juhuslik mets Poolitatud pooljuhendatud õppimine Poolitatud masinõppe tugivektor (Semi-supervised Support Vector Machine)Poolitud XGBoost Jadast-jada mudel SHAP (SHapley Additive exPlanations)Virnastamine Stohhastiline gradiendilange (SGD)Support Vector Machine (Klassifitseerimine)Ajaline sidustransformaator TextCNN Transformer (NLP)UMAP Vision Transformer Visuaalne kontrastiivne õppimine Hääletusansambel XGBoost

Märkasid sellel lehel viga? Teata sellest või paku parandust →