Machine learning

ランダムフォレスト

ランダムフォレストは、Leo Breimanが2001年に発表したアンサンブル学習法です。データのブートストラップサンプルから多数の決定木を生成し、それらの投票を組み合わせることで、強力な分類と回帰を実現します。多数のわずかに異なる木を統合することで、個々の木よりも正確で安定した予測を生成します。

MethodMindで開く近日公開動画近日公開Download slides

手法の全文を読む

会員限定

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.

ランダムフォレスト

決定木ロジスティック回帰サポートベクターマシン（分類）XGBoost 能動学習決定木アクティブラーニング勾配ブースティングアクティブラーニングLightGBM アクティブラーニング線形回帰 Active Learning Logistic…アクティブラーニングサポートベクターマシン

+127 more

出典

Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8). Springer. ISBN: 978-1-4614-7138-7

このページの引用方法

ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/ja/machine-learning/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.

Compare side by side →

この手法を参照する項目

能動学習決定木アクティブラーニング勾配ブースティングアクティブラーニングLightGBM アクティブラーニング線形回帰 Active Learning Logistic Regression アクティブラーニングサポートベクターマシン AdaBoost アテンションメカニズムバギング（ブートストラップ集約）バギングアンサンブルベイジアン・バギングベイジアン決定木ベイズk近傍法ベイジアンLightGBM ベイズランダムフォレストベイズ的XGBoost BERTファインチューニング Bidirectional RNN ブースティングカプセルネットワーク CatBoost CNN画像分類畳み込みニューラルネットワーク（分類）DBSCAN 決定木深層強化学習 DeepAR デジタル土壌マッピング Dilated CNN ダブル機械学習 Elastic Net アンサンブル・アクティブ・ラーニングアンサンブルAprioriアルゴリズムアンサンブル決定木アンサンブル混合ガウスモデルアンサンブルガウス過程勾配ブースティングアンサンブルアンサンブル・アイソレーション・フォレストアンサンブルK近傍法アンサンブル線形回帰アンサンブルロジスティック回帰アンサンブル距離学習アンサンブルナイーブベイズアンサンブルオンライン学習アンサンブル自己教師あり学習アンサンブルサポートベクターマシンアンサンブル転移学習説明可能な決定木説明可能なExtra Trees 説明可能な勾配ブースティング説明可能なK-Means Explainable K-Nearest Neighbors 説明可能なLightGBM Explainable Multilayer Perceptron 説明可能なナイーブベイズ説明可能なランダムフォレスト説明可能なスタッキングアンサンブル説明可能なXGBoost Extra Trees ガウス過程地理加重ランダムフォレスト GPTファインチューニング勾配ブースティンググラフ注意機構ネットワークグラフニューラルネットワークゲート付き再帰ユニット (GRU)Informer アイソレーションフォレスト K平均法クラスタリング K近傍法知識蒸留ラベル伝播 LightGBM LIME: Local Interpretable Model-agnostic Explanations 線形判別分析 (LDA)線形回帰（機械学習）ロジスティック回帰 (ML)Longformer / BigBird LoRAとPEFT LSTM 機械学習支援エピゲノムワイド関連解析（ML-EWAS）機械学習支援型GWAS 機械学習支援メタボロミクス解析機械学習支援マイクロバイオーム多様性解析機械学習支援型パスウェイ濃縮分析機械学習支援RNAシーケンス差次的発現解析多数決 (Majority Voting)混合専門家モデル多層パーセプトロン (MLP)多層パーセプトロン (MLP)多項ロジスティック回帰 N-BEATS N-HiTS ナイーブベイズニューラルアーキテクチャ探索ニューラルODE オンラインバギングオンラインランダムフォレスト PatchTST ピクセルベース画像分類正則化決定木正則化ランダムフォレスト正則化スタッキングアンサンブルロバストバギング頑健決定木ロバスト勾配ブースティングロバストLightGBM ロバスト・ランダム・フォレストロバストスタッキングアンサンブルロバスト投票アンサンブル Multi-Head Self-Attention 自己教師あり決定木自己教師あり勾配ブースティング自己教師ありランダムフォレスト自己教師ありスタッキングアンサンブル半教師ありバギング半教師あり決定木半教師ありFP-growth Semi-supervised Isolation Forest 半教師ありランダムフォレスト半教師ありスタッキングアンサンブル半教師ありサポートベクターマシン Semi-supervised XGBoost シーケンス・ツー・シーケンスモデル SHAP（SHapley Additive exPlanations）スタッキング確率的勾配降下法 (SGD)サポートベクターマシン（分類）Temporal Fusion Transformer TextCNN Transformer (NLP)UMAP ビジョントランスフォーマー視覚的対照学習投票アンサンブル XGBoost

このページに誤りを見つけましたか?報告・修正提案 →