Machine learningMachine learning
正則化ランダムフォレスト
2012年にDengとRungerによって導入された正則化ランダムフォレスト（RRF）は、アンサンブル内でまだ使用されていない特徴量での分割を抑制するペナルティを追加することで、標準的なランダムフォレストを拡張したものです。この組み込みの正則化により、よりスパースで冗長性の低い特徴量サブセットが生成され、予測精度と同様に特徴量選択が重要となる場合に特に価値のあるモデルとなります。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/ja/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.
- 決定木機械学習↔ compare
- Extra Trees機械学習↔ compare
- ランダムフォレスト機械学習↔ compare
- 正則化決定木機械学習↔ compare
- 正則化勾配ブースティング機械学習↔ compare