Bayesian véletlen erdő
A Bayesian Random Forest a klasszikus random forest kiterjesztése, amely prior eloszlást helyez a fyszerkezetekre és a levélparaméterekre, majd mintát vesz vagy közelíti a posterior eloszlást ezen az ensemble-on. Az eredmény egy sor predikció, amely kalibrált bizonytalansági becslésekkel jár – ez egy olyan képesség, amelyből a standard random forestek hiányt szenvednek –, így értékes akkor, amikor a modell magabiztosságának ismerete ugyanolyan fontos, mint maga a predikció.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Taddy, M., Chen, C., Yu, J., & Wyle, M. (2015). Bayesian and Empirical Bayesian Forests. Proceedings of the 32nd International Conference on Machine Learning (ICML 2015), PMLR 37, 967–976. link ↗
- Lakshminarayanan, B., Roy, D. M., & Teh, Y. W. (2016). Mondrian Forests for Large-Scale Regression when Uncertainty Matters. Proceedings of the 19th International Conference on Artificial Intelligence and Statistics (AISTATS 2016), PMLR 51, 1478–1487. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/hu/machine-learning/bayesian-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.
- Bayesi aktív tanulásGépi tanulás↔ compare
- Bayes-féle Döntési FaGépi tanulás↔ compare
- Bayes-féle Félfelügyelt TanulásGépi tanulás↔ compare
- Gauss-folyamatGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →