Random Forest Tersenor (RRF)
Random Forest Tersenor (RRF), yang diperkenalkan oleh Deng dan Runger pada tahun 2012, memperluas Random Forest standard dengan menambahkan penalti yang menghalang pemisahan pada ciri-ciri yang belum digunakan dalam ensemble. Regularisasi terbina ini menghasilkan subset ciri yang lebih jarang dan kurang berlebihan, menjadikan model ini amat berharga apabila pemilihan ciri sama pentingnya dengan ketepatan ramalan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/ms/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.
- Pohon KeputusanPembelajaran Mesin↔ compare
- Pokok TambahanPembelajaran Mesin↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Pokok Keputusan TerlarasPembelajaran Mesin↔ compare
- Peningkatkan Cerun TerperaturanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →