جنگل تصادفی وزندار جغرافیایی
جنگل تصادفی وزندار جغرافیایی (GWRF) یک روش یادگیری گروهی مکانی محلی است که یک مدل جنگل تصادفی مستقل در هر مکان مشاهده برازش میدهد و نمونههای آموزشی نزدیک را با وزن بیشتری نسبت به نمونههای دور از طریق یک تابع هسته فضایی، وزندهی میکند. این روش توسط استفانوس جورجینوس و همکارانش در سال ۲۰۱۹ (منتشر شده در ۲۰۲۱) به عنوان امتداد جنگل تصادفی بریمن برای مدیریت عدم ایستایی فضایی معرفی شد - پدیدهای که در آن روابط پیشبینیکننده-پاسخ در فضای جغرافیایی متفاوت است.
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
- Georganos, S., et al. (2021). Geographical random forests: a spatial extension of the random forest algorithm. Geocarto International, 36(2), 121–136. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Geographically Weighted Random Forest (GWRF). ScholarGate. https://scholargate.app/fa/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.
- رگرسیون وزنی جغرافیایی (GWR)تحلیل فضایی↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- مدل وقفه فضایی (SAR / خودرگرسیون فضایی)تحلیل فضایی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →