Machine learning

جنگل تصادفی

جنگل تصادفی یک روش یادگیری جمعی است که در سال ۲۰۰۱ توسط لئو بریمن معرفی شد. این روش با رشد دادن تعداد زیادی درخت تصمیم بر روی نمونه‌های بوت‌استرپ داده‌ها و ترکیب آرای آن‌ها، طبقه‌بندی و رگرسیون قدرتمندی را تولید می‌کند. با تجمیع بسیاری از درختان کمی متفاوت، پیش‌بینی‌های دقیق‌تر و پایدارتری نسبت به هر یک از درختان به تنهایی ارائه می‌دهد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

+127 more

منابع

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

نحوهٔ استناد به این صفحه

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

Compare side by side

ارجاع‌شده در

درخت تصمیم یادگیری فعالیادگیری فعال با تقویت گرادیانیادگیری فعال LightGBMیادگیری فعال رگرسیون خطیرگرسیون لجستیک یادگیری فعالماشین بردار پشتیبان یادگیری فعالAdaBoostسازوکار توجهبگینگ (تجمیع بوت‌استرپ)انسامبل بگینگبگینگ بیزی (Bayesian Bagging)درخت تصمیم بیزی (Bayesian Decision Tree)همسایگان نزدیک بیزیLightGBM بیزیجنگل تصادفی بیزی (Bayesian Random Forest)ایکس‌جی‌بوست بیزی (Bayesian XGBoost)تنظیم دقیق BERTشبکه عصبی بازگشتی دوطرفه (Bidirectional RNN)بوستینگشبکه کپسولیCatBoostطبقه‌بندی تصویر با شبکه‌های عصبی کانولوشنی (CNN)شبکه عصبی کانولوشنی (طبقه‌بندی)دی‌بی‌اسکندرخت تصمیمیادگیری تقویتی عمیقDeepARنقشه‌برداری دیجیتال خاکشبکه عصبی کانولوشنی گشادشده (Dilated CNN)یادگیری ماشین مضاعفالاستیک نت (Elastic Net)یادگیری فعال گروهیالگوریتم Ensemble Aprioriدرخت تصمیم گروهی (Ensemble Decision Tree)مدل ترکیبی گوسی (Ensemble Gaussian Mixture Model)فرایند گوسی جمعی (Ensemble Gaussian Process)بوستینگ گرادیان ترکیبیجنگل ایزوله گروهیکی‌نزدیک‌ترین همسایگان گروهیرگرسیون خطی اِنسِمبل (Ensemble Linear Regression)رگرسیون لجستیک گروهییادگیری متریک ترکیبی (Ensemble Metric Learning)طبقه‌بندی بیز ساده ترکیبی (Ensemble Naive Bayes)یادگیری آنلاین گروهییادگیری خودنظارتی گروهی (Ensemble Self-supervised Learning)ماشین بردار پشتیبان گروهی (Ensemble Support Vector Machine)یادگیری انتقالی گروهی (Ensemble Transfer Learning)درخت تصمیمِ قابل‌تفسیردرختان فوق‌العاده قابل توضیحتشریح تقویت گرادیان (Explainable Gradient Boosting)K-Means قابل توضیح (Explainable K-Means)K-نزدیک‌ترین همسایه قابل‌توضیح (XKNN)LightGBM قابل توضیحExplainable Multilayer Perceptronنِییو بِییزِ قابل توضیح (Explainable Naive Bayes)جنگل تصادفی قابل توضیح (Explainable Random Forest - XRF)تلفیق تودرتوی تبیین‌پذیرایکس‌جی‌بوستِ قابل‌تفسیردرختان اضافی (Extra Trees)فرایند گوسیجنگل تصادفی وزن‌دار جغرافیاییتنظیم دقیق GPTگرادیان بوستینگ (Gradient Boosting)شبکه توجه گرافشبکه عصبی گرافواحد بازگشتی دروازه‌ای (GRU)Informerجنگل ایزوله (Isolation Forest)خوشه‌بندی K-Meansکی-نزدیک‌ترین همسایگانتقطیر دانش (Knowledge Distillation)انتشار برچسب (Label Propagation)لایت‌جی‌بی‌ام (LightGBM)LIME: توضیحات قابل تفسیر محلی و مستقل از مدلتحلیل تشخیصی خطی (LDA)رگرسیون خطی (یادگیری ماشین)رگرسیون لجستیک (یادگیری ماشین)لانگ‌فارمر / بیگ‌بردلورا و PEFTLSTMمطالعه انجمنی اپی‌ژ놈-گسترده با کمک یادگیری ماشین (ML-EWAS)مطالعات تداعی ژنوم-سرتاسری با کمک یادگیری ماشینتحلیل متابولومیکس با کمک یادگیری ماشینتحلیل تنوع میکروبیوم با کمک یادگیری ماشینتحلیل غنی‌سازی مسیر به کمک یادگیری ماشینتحلیل بیان افتراقی RNA-seq با کمک یادگیری ماشینرأی اکثریتترکیبی از متخصصانپرسپترون چندلایه (MLP)پِرسِپترون چندلایه‌ای (MLP)رگرسیون لجستیک چندجمله ایN-BEATSN-HiTSبی‌یز ساده (Naive Bayes)جستجوی معماری عصبیODE عصبیکیسه‌بندی آنلاین (Online Bagging)Online Random Forestپچ‌تی‌اس‌تیطبقه‌بندی تصویر مبتنی بر پیکسلدرخت تصمیم منظم شدهجنگل تصادفی منظم‌شدهانباشت منظم گروهیکیسه‌بندی مقاومدرخت تصمیم مقاوم (Robust Decision Tree)تقویت گرادیان مقاومLightGBM مقاومجنگل تصادفی مقاومانباشت پشته‌سازی مقاوم (Robust Stacking Ensemble)رأی‌گیری قوی گروهی (Robust Voting Ensemble)توجه به خود چند-سریدرخت تصمیم خودنظارتیافزایش گرادیان خود نظارتیجنگل تصادفی خود-نظارتیانباشت خود-نظارتیبگینگ نیمه‌نظارت‌شدهدرخت تصمیم نیمه‌نظارت‌شدهالگوریتم رشد مکرر الگو با نظارت نیمه‌کارهجنگل ایزوله نیمه‌نظارت‌شدهجنگل تصادفی نیمه‌نظارت‌شدهآنسامبل پشته‌سازی نیمه‌نظارتیماشین بردار پشتیبان نیمه‌نظارت‌شدهXGBoost نیمه‌نظارت‌شدهمدل توالی به توالیSHAP (SHapley Additive exPlanations)چیدمانکاهش گرادیان تصادفی (SGD)ماشین بردار پشتیبان (طبقه‌بندی)ترنسفورمر ادغامی زمانیTextCNNترنسفورمر (پردازش زبان طبیعی)یو-مپترنسفورمر بینایییادگیری تقابلی بصریمجموعه رأی‌گیریXGBoost
ScholarGateRandom Forest (Random Forest (Breiman Ensemble of Decision Trees)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/random-forest · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026