جنگل تصادفی بیزی (Bayesian Random Forest)
جنگل تصادفی بیزی، جنگل تصادفی کلاسیک را با قرار دادن یک توزیع پیشین بر روی ساختارهای درخت و پارامترهای برگ، و سپس نمونهبرداری یا تقریب پسین بر روی آن مجموعه، گسترش میدهد. نتیجه مجموعهای از پیشبینیها است که با تخمینهای عدم قطعیتِ کالیبرهشده همراه است — قابلیتی که جنگلهای تصادفی استاندارد فاقد آن هستند — و این امر آن را زمانی ارزشمند میسازد که دانستن میزان اطمینان مدل به اندازه خودِ پیشبینی اهمیت دارد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Taddy, M., Chen, C., Yu, J., & Wyle, M. (2015). Bayesian and Empirical Bayesian Forests. Proceedings of the 32nd International Conference on Machine Learning (ICML 2015), PMLR 37, 967–976. link ↗
- Lakshminarayanan, B., Roy, D. M., & Teh, Y. W. (2016). Mondrian Forests for Large-Scale Regression when Uncertainty Matters. Proceedings of the 19th International Conference on Artificial Intelligence and Statistics (AISTATS 2016), PMLR 51, 1478–1487. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/fa/machine-learning/bayesian-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.
- یادگیری فعال بیزییادگیری ماشین↔ compare
- درخت تصمیم بیزی (Bayesian Decision Tree)یادگیری ماشین↔ compare
- یادگیری نیمهنظارتی بیزییادگیری ماشین↔ compare
- فرایند گوسییادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →