Machine learningMachine learning

جنگل تصادفی منظم‌شده

جنگل تصادفی منظم‌شده (RRF)، که توسط دنگ و رانگر در سال ۲۰۱۲ معرفی شد، جنگل تصادفی استاندارد را با افزودن جریمه‌ای که تقسیم بر ویژگی‌هایی را که هنوز در مجموعه استفاده نشده‌اند، دلسرد می‌کند، گسترش می‌دهد. این نظم‌دهی داخلی، زیرمجموعه‌های ویژگی پراکنده‌تر و کم‌تکرارتر تولید می‌کند و مدل را زمانی که انتخاب ویژگی به اندازه دقت پیش‌بینی مهم است، ارزشمند می‌سازد.

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.

منابع

  1. Deng, H., & Runger, G. (2012). Feature selection via regularized trees. Proceedings of the 2012 International Joint Conference on Neural Networks (IJCNN), IEEE, pp. 1–8. DOI: 10.1109/IJCNN.2012.6252640
  2. Deng, H., & Runger, G. (2013). Gene selection with guided regularized random forest. Pattern Recognition, 46(12), 3483–3489. DOI: 10.1016/j.patcog.2013.05.018

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/fa/machine-learning/regularized-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

ScholarGateRegularized random forest (Regularized Random Forest (RRF)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/regularized-random-forest · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026