Robust Decision Tree (Outlier-Resistant Tree Induction)
मानक डिसीजन ट्री प्रत्येक स्प्लिट पर ग्रीडी (greedily) रूप से इम्प्योरिटी (जैसे, गिनी या MSE) को कम करते हैं। जब ट्रेनिंग डेटा में आउटलायर्स या गलत लेबल वाले ऑब्जर्वेशन्स (observations) होते हैं, तो ये ग्रीडी स्प्लिट्स एक्सट्रीम पॉइंट्स (extreme points) से प्रभावित हो सकते हैं, जिससे ऐसे ट्री बनते हैं जो वास्तविक संरचना के बजाय नॉइज़ पर ओवरफिट (overfit) होते हैं। एक रोबस्ट डिसीजन ट्री क्लासिकल स्प्लिटिंग क्राइटेरियन (splitting criterion) को एक ऐसे क्राइटेरियन से बदलता या पूरक करता है जो एनोमलस पॉइंट्स (anomalous points) को डाउनवेट (downweights) करता है या स्पष्ट रूप से हैंडल (handle) करता है — यह क्लासिकल स्टैटिस्टिक्स (classical statistics) में मीन (mean) को मीडियन (median) से बदलने के समान है — ताकि परिणामी ट्री बाउंड्रीज़ (tree boundaries) डेटा के एक्सट्रीम्स (extremes) के बजाय बल्क (bulk) को दर्शाएं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/hi/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.
- निर्णय वृक्षमशीन अधिगम↔ compare
- एक्स्ट्रा ट्रीज़मशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- नियमितीकृत निर्णय वृक्षमशीन अधिगम↔ compare
- Robust Gradient Boostingमशीन अधिगम↔ compare
- Robust Random Forestमशीन अधिगम↔ compare