Process / pipelineMultivariate classifier
BDT 입자 식별
부스트 결정 트리(BDT)는 입자 물리학에서 검출기 신호를 기반으로 다른 입자 유형을 구별하는 데 사용되는 강력한 다변량 분류기입니다. BDT는 적응형 부스팅을 통해 많은 약한 결정 트리를 결합함으로써 단순한 컷 기반 방법보다 우수한 식별 능력을 달성하여 입자 식별 및 배경 제거에서 향상된 순도와 효율성을 제공합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5–32. DOI: 10.1023/A:1010933404324 ↗
- Kieseler, J., et al. (2016). Machine learning for detector trigger optimization at the LHC. Nuclear Instruments and Methods in Physics Research Section A, 824, 29–37. link ↗
- Aarrestad, T. K., et al. (2021). Machine learning for particle discrimination at the LHC. Journal of Physics: Conference Series, 1525(1), 012034. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/ko/particle-physics/bdt-particle-identification
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →