Machine learning

Random Forest

Random Forest on Leo Breimanin vuonna 2001 esittelemä ensemble-oppimismenetelmä, joka kasvattaa monta päätöspuuta datan bootstrap-otoksista ja yhdistää niiden äänestykset vahvan luokittelu- ja regressiotuloksen tuottamiseksi. Yhdistämällä monta hieman erilaista puuta saavutetaan tarkempia ja vakaampia ennusteita kuin yhdelläkään yksittäisellä puulla.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Random Forest

Päätöspuu Logistinen regressio Tukivektorikone (luokitt…XGBoost Aktiivisen oppimisen pää…Aktiivisen oppimisen gra…Aktiivisen oppimisen Lig…Aktiivisen oppimisen lin…Aktiivisen oppimisen log…Aktiivisen oppimisen tuk…

+127 more

Lähteet

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

Näin viittaat tähän sivuun

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

PäätöspuuKoneoppiminen↔ compare
Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
Tukivektorikone (luokittelu)Koneoppiminen↔ compare
XGBoostKoneoppiminen↔ compare

Compare side by side →

Tähän viittaavat

Aktiivisen oppimisen päätöspuu Aktiivisen oppimisen gradienttitehostus Aktiivisen oppimisen LightGBM Aktiivisen oppimisen lineaarinen regressio Aktiivisen oppimisen logistinen regressio Aktiivisen oppimisen tukivektorikone AdaBoost Huomiomekanismi Bagging (Bootstrap Aggregating)Bagging-ensemble Bayesiläinen säkittämine Bayesiläinen päätöspuu Bayesiläinen k-lähimmän naapurin menetelmä Bayesiläinen LightGBM [UNTRANSLATED: Bayesian Random Forest...]Bayesiläinen XGBoost BERT-hienosäätö Kaksisuuntainen RNN Boosting Kapseliverkko CatBoost CNN-kuvaluokittelu Konvoluutionaalinen neuroverkko (luokittelu)DBSCAN Päätöspuu Syvä vahvistusoppiminen DeepAR Digitaalinen maalaperuskartoitus Dilatoitu CNN Kaksoiskoneoppiminen Elastic Net Ensemble Active Learning Ensemble Apriori -algoritmi Ensemble-päätöspuu Ensemble Gaussian Mixture Model Ensemble Gaussian Process Ensemble Gradient Boosting Ensemble Isolation Forest Ensemble K-Nearest Neighbors Ensemble-lineaariregressio Ensemble Logistic Regression Ensemble Metric Learning Ensemble Naive Bayes Ensemble-menetelmässä verkko-oppiminen Ensemble-itseohjautuva oppiminen Ensemble Support Vector Machine Ensemble-siirto-oppiminen Selitettävä päätöspuu Selitettävä Extra Trees Selitettävä gradienttitehostus Selitettävä K-Means Selitettävä K-lähimmän naapurin menetelmä Selitettävä LightGBM Selitettävä monikerroksinen perseptroni Selitettävä Naive Bayes Selitettävä Random Forest Selitettävä pinoamisensemble Selitettävä XGBoost Extra Trees Gaussinen prosessi Maantieteellisesti painotettu satunnaismetsä GPT-mallin hienosäätö Gradient Boosting Graafiverkko (Graph Attention Network, GAT)Graafineuraaliverkko Porttiyksikkö (GRU)Informer Isolation Forest K-Means-klusterointi K-lähimmät naapurit Tietämyksen tislaus Label Propagation LightGBM LIME: Paikalliset tulkittavat mallista riippumattomat selitykset Lineaarinen diskriminanttianalyysi (LDA)Lineaarinen regressio (ML)Logistinen regressio (ML)Longformer / BigBird LoRA ja PEFT LSTM Koneoppimista hyödyntävä epigenomilaajuinen assosiaatiotutkimus (ML-EWAS)Koneoppimista hyödyntävä genominlaajuinen assosiaatiotutkimus Koneoppimista hyödyntävä metabolomiikka-analyysi Koneoppimista hyödyntävä mikrobiston monimuotoisuusanalyysi Koneoppimista hyödyntävä reittien rikastumisanalyysi Koneoppimista hyödyntävä RNA-seq-differentiaaliekspressioanalyysi Majority Voting Asiantuntijoiden sekoitus Monikerki- tai monikerroksinen perseptroni (MLP)Monikerki-kerrosperceptron (MLP)Multinomiaalinen logistinen regressio N-BEATS N-HiTS Naive Bayes Neuraaliarkkitehtuurihaku Neuraalinen ODE Online Bagging Verkkopohjainen Random Forest PatchTST Pikselipohjainen kuvien luokittelu Regularisoitu päätöspuu Regularized Random Forest Regularized Stacking Ensemble Robust Bagging Robusti päätöspuu Robust gradient boosting Robust LightGBM Robust Random Forest Robust Stacking Ensemble Vankka äänestyskokoonpano Monipäinen itsehuomio (Multi-Head Self-Attention)Itseohjautuva päätöspuu Itseohjautuva gradienttivahvistus Itseohjautuva satunnaismetsä Itseohjautuva pinottu yhdistelmä Puolivalvottu Bagging Puoliohjaava päätöspuu Puolivalvottu FP-kasvu Puolivalvottu eristysmetsä Puolivalvottu satunnaismetsä Puoliohjattu pinoamisryhmä (Semi-supervised Stacking Ensemble)Puolivalvottu tukivektorikone Semi-supervised XGBoost Sekvenssistä sekvenssiksi -malli SHAP (SHapley Additive exPlanations)Pinottava yleistys (Stacking)Stokastinen gradienttimenetelmä (SGD)Tukivektorikone (luokittelu)Temporal Fusion Transformer TextCNN Transformer (NLP)UMAP Vision Transformer Visuaalinen kontrastiivinen oppiminen Ääniennuste (Voting Ensemble)XGBoost

Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →