जियोग्राफिकली वेटेड रैंडम फ़ॉरेस्ट
जियोग्राफिकली वेटेड रैंडम फ़ॉरेस्ट (GWRF) एक स्थानिक रूप से स्थानीय एनसेंबल लर्निंग विधि है जो प्रत्येक अवलोकन स्थान पर एक स्वतंत्र रैंडम फ़ॉरेस्ट मॉडल फिट करती है, जो स्थानिक कर्नेल फ़ंक्शन के माध्यम से आस-पास के प्रशिक्षण नमूनों को दूर के नमूनों की तुलना में अधिक भार देती है। इसे स्टीफानोस जॉर्जोनोस और सहयोगियों द्वारा 2019 में (2021 में प्रकाशित) ब्रेमैन के रैंडम फ़ॉरेस्ट के विस्तार के रूप में प्रस्तुत किया गया था ताकि स्थानिक गैर-स्थिरता को संभाला जा सके - वह घटना जहां भविष्यवक्ता-प्रतिक्रिया संबंध भौगोलिक स्थान पर भिन्न होते हैं।
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
- Georganos, S., et al. (2021). Geographical random forests: a spatial extension of the random forest algorithm. Geocarto International, 36(2), 121–136. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Geographically Weighted Random Forest (GWRF). ScholarGate. https://scholargate.app/hi/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.
- भौगोलिक भारित प्रतिगमन (GWR)स्थानिक विश्लेषण↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- स्थानिक लैग मॉडल (SAR / स्थानिक ऑटोरिग्रेसिव)स्थानिक विश्लेषण↔ compare