Regularized Random Forest
Regularized Random Forest (RRF), Dengin ja Rungerin vuonna 2012 esittelemä menetelmä, laajentaa standardia Random Forest -mallia lisäämällä siihen rangaistuksen, joka vähentää sellaisten piirteiden käyttöä, joita ei ole jo käytetty ensemble-mallissa. Tämä sisäänrakennettu regularisointi tuottaa harvempia, vähemmän redundantteja piirrejoukkoja, mikä tekee mallista erityisen arvokkaan silloin, kun piirteiden valinta on yhtä tärkeää kuin ennustustarkkuus.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/fi/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.
- PäätöspuuKoneoppiminen↔ compare
- Extra TreesKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Regularisoitu päätöspuuKoneoppiminen↔ compare
- Regularisoitu gradienttivahvistusKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →