Robusti päätöspuu
Robusti päätöspuu on päätöspuun muunnelma, joka on koulutettu muokatuilla jakokriteereillä tai koulutusmenettelyillä, jotka on suunniteltu vähentämään herkkyyttä poikkeaville arvoille, kohinaisille luokille ja haitallisille häiriöille. Sen sijaan, että minimoitaisiin standardi epäpuhtausmittarit, joihin äärimmäiset arvot vaikuttavat voimakkaasti, robustit muunnelmat käyttävät tilastollisesti robusteja analogeja tai regularisointia tuottaakseen jakautumia, jotka yleistyvät kohinaisissa tai vioittuneissa dataolosuhteissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Chen, H., & Nan, F. (2019). Robust Decision Trees Against Adversarial Examples. Proceedings of the 36th International Conference on Machine Learning (ICML), PMLR 97, 1006–1015. link ↗
- Hubert, M., & Debruyne, M. (2010). Minimum covariance determinant. Wiley Interdisciplinary Reviews: Computational Statistics, 2(1), 36–43. (background on robust estimation applied to tree splitting criteria) DOI: 10.1002/wics.61 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/fi/machine-learning/robust-decision-tree
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
- Robust gradient boostingKoneoppiminen↔ compare
- Robust Random ForestKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →