Regularized Random Forest
A Regularized Random Forest (RRF) bevezetése, melyet Deng és Runger publikált 2012-ben, a standard Random Forest modellt egészíti ki egy olyan büntetőtaggal, amely visszaszorítja a felosztásokat olyan jellemzőkön, amelyeket az együttes már nem használ. Ez a beépített regularizáció ritkább, kevésbé redundáns jellemzőhalmazokat eredményez, így a modell különösen értékes, ha a jellemzők kiválasztása legalább olyan fontos, mint a prediktív pontosság.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Deng, H., & Runger, G. (2012). Feature selection via regularized trees. Proceedings of the 2012 International Joint Conference on Neural Networks (IJCNN), IEEE, pp. 1–8. DOI: 10.1109/IJCNN.2012.6252640 ↗
- Deng, H., & Runger, G. (2013). Gene selection with guided regularized random forest. Pattern Recognition, 46(12), 3483–3489. DOI: 10.1016/j.patcog.2013.05.018 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/hu/machine-learning/regularized-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.
- Döntési faGépi tanulás↔ compare
- Extra TreesGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Regularizált döntési faGépi tanulás↔ compare
- Regularizált Gradient BoostingGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →