Random Forest Regolarizzato
Random Forest Regolarizzato (RRF), introdotto da Deng e Runger nel 2012, estende il Random Forest standard aggiungendo una penalità che scoraggia la suddivisione su feature non ancora utilizzate nell'ensemble. Questa regolarizzazione intrinseca produce sottoinsiemi di feature più sparsi e meno ridondanti, rendendo il modello particolarmente prezioso quando la selezione delle feature è importante quanto l'accuratezza predittiva.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/it/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.
- Albero decisionaleApprendimento automatico↔ compare
- Alberi ExtraApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- Albero decisionale regolarizzatoApprendimento automatico↔ compare
- Gradient Boosting RegolarizzatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →