Machine learningMachine learning
Regularized Random Forest
Deng and Runger (2012)가 소개한 Regularized Random Forest (RRF)는 앙상블에 이미 사용된 특성에 대한 분할을 억제하는 페널티를 추가하여 표준 Random Forest를 확장합니다. 이 내장된 정규화는 더 희소하고 덜 중복된 특성 부분집합을 생성하여, 특성 선택이 예측 정확도만큼 중요할 때 모델을 특히 가치 있게 만듭니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/ko/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.
- 결정 트리머신러닝↔ compare
- 엑스트라 트리 (Extra Trees)머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 정규화된 결정 트리머신러닝↔ compare
- 정규화된 경사 부스팅머신러닝↔ compare