יער אקראי משוקלל גיאוגרפית
יער אקראי משוקלל גיאוגרפית (GWRF) הוא שיטת למידת אנסמבל מקומית מרחבית המתאימה מודל יער אקראי בלתי תלוי בכל מיקום תצפית, תוך מתן משקל גבוה יותר לדגימות אימון קרובות מאשר רחוקות באמצעות פונקציית גרעין מרחבית. השיטה הוצגה על ידי סטפנוס גאורגנוס ועמיתיו בשנת 2019 (פורסמה ב-2021) כהרחבה של שיטת היער האקראי של בריימן (Breiman's Random Forest) לטיפול באי-נייחות מרחבית — התופעה שבה קשרי מנבא-תגובה משתנים על פני המרחב הגיאוגרפי.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Georganos, S., et al. (2021). Geographical random forests: a spatial extension of the random forest algorithm. Geocarto International, 36(2), 121–136. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Geographically Weighted Random Forest (GWRF). ScholarGate. https://scholargate.app/he/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.
- רגרסיה משוקללת גאוגרפית (GWR)ניתוח מרחבי↔ compare
- יער אקראילמידת מכונה↔ compare
- מודל ההשהיה המרחבי (SAR / אוטורגרסיבי מרחבי)ניתוח מרחבי↔ compare