Maantieteellisesti painotettu satunnaismetsä
Maantieteellisesti painotettu satunnaismetsä (GWRF) on spatiaalisesti lokaali ensemble-oppimismenetelmä, joka sovittaa itsenäisen satunnaismetsämallin jokaiseen havaintopisteeseen painottaen läheisiä harjoitusaineiston otoksia kauempana olevia enemmän spatiaalisen ydinfunktion avulla. Stefanos Georganos kollegoineen esitteli sen vuonna 2019 (julkaistu 2021) Breimanin satunnaismetsän laajennuksena käsittelemään spatiaalista epästationaarisuutta – ilmiötä, jossa ennusteen ja vasteen väliset suhteet vaihtelevat maantieteellisessä tilassa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Georganos, S., et al. (2021). Geographical random forests: a spatial extension of the random forest algorithm. Geocarto International, 36(2), 121–136. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Geographically Weighted Random Forest (GWRF). ScholarGate. https://scholargate.app/fi/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.
- Paikallisesti painotettu regressio (GWR)Spatiaalianalyysi↔ compare
- Random ForestKoneoppiminen↔ compare
- Tilalagun malli (SAR / Autoregressiivinen tilamalli)Spatiaalianalyysi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →