Machine learningMachine learning
ベイズランダムフォレスト
ベイズランダムフォレストは、ツリー構造とリーフパラメータに事前分布を配置し、そのアンサンブルに対する事後分布をサンプリングまたは近似することで、古典的なランダムフォレストを拡張したものである。その結果、予測値とともにキャリブレーションされた不確実性推定値が得られる。これは標準的なランダムフォレストにはない機能であり、モデルの確信度を知ることが予測値そのものと同じくらい重要である場合に有用である。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/ja/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.
- ベイジアン能動学習機械学習↔ compare
- ベイジアン決定木機械学習↔ compare
- ベイズ的半教師あり学習機械学習↔ compare
- ガウス過程機械学習↔ compare
- ランダムフォレスト機械学習↔ compare