Hutan Acak Robust

Robust Random Forest memperluas ensemble Random Forest standar dengan menggabungkan mekanisme yang mengurangi pengaruh pencilan (outlier), kebisingan label (label noise), dan observasi yang rusak. Alih-alih memperlakukan semua instans pelatihan secara setara, metode ini menerapkan strategi pembobotan atau penyaringan sehingga sampel yang bising atau anomali berkontribusi lebih sedikit pada pemisahan pohon individual, menghasilkan prediksi yang tetap andal bahkan ketika kualitas data tidak sempurna.