Machine learningMachine learning
頑健決定木
頑健決定木（Robust Decision Tree）は、外れ値、ラベルノイズ、敵対的摂動に対する感度を低減するように設計された、修正された分割基準または学習手順で訓練された決定木のバリアントである。極端な値に強く影響される標準的な不純度尺度を最小化する代わりに、頑健なバリアントは統計的に頑健な類似体または正則化を使用して、ノイズが多いまたは破損したデータ条件下で一般化する分割を生成する。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/ja/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.
- 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
- ロバスト勾配ブースティング機械学習↔ compare
- ロバスト・ランダム・フォレスト機械学習↔ compare