ScholarGate
עוזר
Machine learningMachine learning

יער אקראי חסין

יער אקראי חסין (Robust Random Forest) מרחיב את אנסמבל יער אקראי הסטנדרטי על ידי שילוב מנגנונים המפחיתים את השפעתם של ערכים חריגים, רעש תוויות ונתונים פגומים. במקום להתייחס לכל דגימות האימון באופן שווה, הוא מיישם אסטרטגיות שקלול או סינון כך שדגימות רועשות או חריגות תורמות פחות לפיצולי עצים בודדים, ומניב תחזיות שנשארות אמינות גם כאשר איכות הנתונים אינה מושלמת.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

+3 more

מקורות

  1. Chen, S., & Guestrin, C. (2019). Robust Random Forest. In Proceedings of the 36th International Conference on Machine Learning (ICML). Also see: Gao, W., & Zhou, Z.-H. (2013). On the Doubt about Margin Explanation of Boosting. Artificial Intelligence, 203, 1–18. link
  2. Random Forest. Wikipedia. link

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Robust Random Forest (Noise-Tolerant Ensemble of Decision Trees). ScholarGate. https://scholargate.app/he/machine-learning/robust-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.

Compare side by side

מאוזכר על ידי

ScholarGateRobust Random Forest (Robust Random Forest (Noise-Tolerant Ensemble of Decision Trees)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/robust-random-forest · מערך נתונים: https://doi.org/10.5281/zenodo.20539026