Geographically Weighted Random Forest
Geographically Weighted Random Forest (GWRF) on ruumiliselt lokaalne ensemble-õppe meetod, mis kohandab iga vaatluspunkti jaoks sõltumatu Random Forest mudeli, kaaludes lähedalasuvaid treeningnäidiseid tugevamalt kui kaugemaid, kasutades ruumilist tuumafunktsiooni. Selle võtsid kasutusele Stefanos Georganos ja kolleegid 2019. aastal (avaldatud 2021) kui Breimani Random Forest'i laienduse, et käsitleda ruumilist mittestatsionaarsust – nähtust, kus ennustajate ja vastuse vahelised seosed erinevad geograafilises ruumis.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Georganos, S., et al. (2021). Geographical random forests: a spatial extension of the random forest algorithm. Geocarto International, 36(2), 121–136. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Geographically Weighted Random Forest (GWRF). ScholarGate. https://scholargate.app/et/spatial-analysis/geographically-weighted-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.
- Geograafiliselt Kaalutud Regressioon (GWR)Ruumianalüüs↔ compare
- Juhuslik metsMasinõpe↔ compare
- Ruumi viivis mudel (SAR / ruumiline autoregressiivne)Ruumianalüüs↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →