درخت تصمیم گروهی (Ensemble Decision Tree)
روشهای درخت تصمیم گروهی، چندین درخت تصمیم را آموزش داده و خروجیهای آنها را ترکیب میکنند تا پیشبینیهایی تولید کنند که دقیقتر و پایدارتر از هر درخت منفرد هستند. این روشها که استراتژیهایی مانند بگینگ (bagging)، زیرفضای تصادفی (random subspacing) و رأیگیری (voting) را پوشش میدهند، از جمله مؤثرترین تکنیکهای آماده برای وظایف طبقهبندی و رگرسیون جدولی (tabular) محسوب میشوند.
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
- Dietterich, T. G. (2000). Ensemble methods in machine learning. In Multiple Classifier Systems, Lecture Notes in Computer Science, vol. 1857, pp. 1–15. Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-45014-9_1 ↗
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Ensemble Decision Tree (Combined Decision Tree Classifiers and Regressors). ScholarGate. https://scholargate.app/fa/machine-learning/ensemble-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.
- بگینگ (تجمیع بوتاسترپ)یادگیری ماشین↔ compare
- بوستینگیادگیری ماشین↔ compare
- درخت تصمیمیادگیری ماشین↔ compare
- درختان اضافی (Extra Trees)یادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- مجموعه رأیگیرییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →