Albero decisionale robusto
Un albero decisionale robusto è una variante dell'albero decisionale addestrata con criteri di suddivisione o procedure di addestramento modificati, progettati per ridurre la sensibilità a valori anomali (outlier), rumore nelle etichette e perturbazioni avversarie. Invece di minimizzare misure di impurità standard fortemente influenzate da valori estremi, le varianti robuste utilizzano analoghi statisticamente robusti o regolarizzazione per produrre suddivisioni che generalizzano in condizioni di dati rumorosi o corrotti.
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
- Chen, H., & Nan, F. (2019). Robust Decision Trees Against Adversarial Examples. Proceedings of the 36th International Conference on Machine Learning (ICML), PMLR 97, 1006–1015. link ↗
- Hubert, M., & Debruyne, M. (2010). Minimum covariance determinant. Wiley Interdisciplinary Reviews: Computational Statistics, 2(1), 36–43. (background on robust estimation applied to tree splitting criteria) DOI: 10.1002/wics.61 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/it/machine-learning/robust-decision-tree
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 RobustoApprendimento automatico↔ compare
- Random Forest RobustoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →