Machine learning

Slučajna šuma

Slučajna šuma (engl. Random Forest) je metoda ansambl učenja, koju je 2001. godine uveo Leo Breiman, a koja uzgaja mnoga stabla odlučivanja na bootstrap uzorcima podataka i kombinira njihove glasove kako bi proizvela snažnu klasifikaciju i regresiju. Objedinjavanjem mnogih neznatno različitih stabala, ona proizvodi točnije i stabilnije predikcije od bilo kojeg pojedinačnog stabla.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Method map

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

Slučajna šuma

Stablo odlučivanja Logistička regresija Stroj potpornih vektora…XGBoost Aktivno učenje uz stablo…Aktivno učenje s pojačan…Aktivno učenje LightGBM Aktivno učenje za linear…Aktivno učenje s logisti…Aktivno učenje potpornih…

+127 more

Izvori

Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8). Springer. ISBN: 978-1-4614-7138-7

Kako citirati ovu stranicu

ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/hr/machine-learning/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.

Stablo odlučivanjaStrojno učenje↔ compare
Logistička regresijaIstraživačka statistika↔ compare
Stroj potpornih vektora (klasifikacija)Strojno učenje↔ compare
XGBoostStrojno učenje↔ compare

Compare side by side →

Citirana u

Aktivno učenje uz stablo odlučivanja Aktivno učenje s pojačanim gradijentom Aktivno učenje LightGBM Aktivno učenje za linearnu regresiju Aktivno učenje s logističkom regresijom Aktivno učenje potpornih vektorskih strojeva AdaBoost Attention Mechanism Bagging (Bootstrap Aggregating)Bagging Ensemble Bayesian Bagging Bayesian Decision Tree Bayesovski k-najbližih susjeda Bayesian LightGBM Bayesian Random Forest Bayesov XGBoost Prilagođavanje BERT-a (BERT Fine-Tuning)Bidirectional RNN Boosting Kapsulna mreža CatBoost Klasifikacija slika pomoću CNN-a Konvolucijska neuronska mreža (klasifikacija)DBSCAN Stablo odlučivanja Duboko pojačavajuće učenje DeepAR Digitalno kartiranje tla Dilatirana konvolucijska neuronska mreža (CNN)Dvostruko strojno učenje Elastic Net Ensemble Active Learning Ensemble Apriori algoritam Metoda stabla odluka sa sastavom (Ensemble Decision Tree)Ensemble Gaussian Mixture Model Ensemble Gaussian Process Grupno pojačanje gradijenta Ensemble Isolation Forest Ansambl K-najbližih susjeda Ensemble Linear Regression Logistička regresija s ansamblom Učenje ansambla metrike Ensemble Naive Bayes Ensemble Online Learning Ansamblno samonadzirano učenje Ensemble potporni strojni vektor Ensemble Transfer Learning Objašnjivo stablo odlučivanja Objašnjivi Ekstra stabla Objašnjivo pojačanje gradijenta Objašnjivi K-Means Objašnjivi K-najbližih susjeda Objašnjivi LightGBM Objašnjivi višeslojni perceptron Objašnjivi Naivni Bayes Explainable Random Forest Objašnjivi Stacking Ansambl Objašnjivi XGBoost Extra Trees Gaussovi procesi Geografski ponderirana slučajna šuma Prilagođavanje GPT modela (GPT Fine-Tuning)Povećanje gradijenta Grafička mrežna mreža s pažnjom (Graph Attention Network, GAT)Grafne neuronske mreže Gated Recurrent Unit (GRU)Informer Izolacijska šuma K-Means klasteriranje K-Najbližih Susjeda Destilacija znanja Propagacija oznaka LightGBM LIME: Lokalna interpretibilna modelno-agnostička objašnjenja Linearna diskriminacijska analiza (LDA)Linearna regresija (ML)Logistička regresija (ML)[NEEDS TRANSLATION]LoRA i PEFT LSTM Studija udruženosti epigenoma potpomognuta strojnim učenjem (ML-EWAS)ML-GWAS potpomognut strojnim učenjem Analiza metabolomskih podataka potpomognuta strojnim učenjem Analiza raznolikosti mikrobioma potpomognuta strojnim učenjem Analiza obogaćenja putova uz pomoć strojnog učenja Diferencijalna analiza ekspresije RNA-seq potpomognuta strojnim učenjem Većinsko glasovanje Mješavina stručnjaka Višeslojni perceptron (MLP)Višeslojni perceptron (MLP)Logistička regresija s više kategorija (multinomial logistic regression)N-BEATS N-HiTS Naive Bayes Automatsko pretraživanje arhitektura dubokih mreža Neural ODE Mrežno skupno učenje (Online Bagging)Online Random Forest PatchTST Klasifikacija slika temeljena na pikselima Regulirano stablo odluke Regulirani slučajni šum Regularizirani slagani ansambl Robusno pojačavanje (Robust Bagging)Robusno stablo odlučivanja Robusno pojačanje gradijenta Robust LightGBM Robusna slučajna šuma Robustno slaganje (Robust Stacking Ensemble)Robno glasanje (Robust Voting Ensemble)Višeglava samopažnja Samoučenje pomoću stabala odlučivanja Samonadzorirano pojačavanje gradijenta Samoučenje šumske metode nasumičnih stabala Samonadzirani složeni ansambl (Self-supervised Stacking Ensemble)Polu-nadgledano grupiranje Polu-nadgledano stablo odluke Polu-nadgledani FP-growth Polu-nadgledana (Semi-supervised) verzija metode Isolation Forest Polu-nadgledana šumska stabla Polunadzorirani slagani ansambl Polu-nadgledani stroj s potpornim vektorima Polunadzirani XGBoost Model "sekvenca-u-sekvencu"SHAP (SHapley Additive exPlanations)Slaganje Stochastic Gradient Descent (SGD)Stroj potpornih vektora (klasifikacija)Temporal Fusion Transformer TextCNN Transformer (NLP)UMAP Vision Transformer Vizualno kontrastivno učenje Glasački sklop XGBoost

Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →