Robusna slučajna šuma
Robusna slučajna šuma (Robust Random Forest) proširuje standardni ansambl slučajnih šuma ugradnjom mehanizama koji smanjuju utjecaj odstupajućih vrijednosti (outliera), šuma u oznakama i oštećenih opažanja. Umjesto da sve instance za obuku tretira jednako, primjenjuje strategije ponderiranja ili filtriranja tako da bučni ili anomalni uzorci manje doprinose pojedinačnim podjelama stabala, što rezultira predviđanjima koja ostaju pouzdana čak i kada je kvaliteta podataka nesavršena.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Izvori
- 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 ↗
- Random Forest. Wikipedia. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Robust Random Forest (Noise-Tolerant Ensemble of Decision Trees). ScholarGate. https://scholargate.app/hr/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.
- Bagging (Bootstrap Aggregating)Strojno učenje↔ compare
- Stablo odlučivanjaStrojno učenje↔ compare
- Povećanje gradijentaStrojno učenje↔ compare
- Izolacijska šumaStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →