Machine learning

Random Forest

Random Forest is een ensemble-leermethode, geïntroduceerd door Leo Breiman in 2001, die veel beslisbomen genereert op bootstrap-steekproeven van de data en hun stemmen combineert om robuuste classificatie en regressie te produceren. Door vele licht verschillende bomen te bundelen, levert het nauwkeurigere en stabielere voorspellingen op dan welke individuele boom dan ook.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Method map

The neighbourhood of related methods — select a node to explore.

Random Forest

Beslisboom Logistische Regressie Support Vector Machine (…XGBoost Actief Leren Beslissings…Actief Leren met Gradiën…Actief Leren LightGBM Actief Leren Lineaire Re…Actief Leren met Logisti…Actief Leren Support Vec…

+127 more

Bronnen

Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8). Springer. ISBN: 978-1-4614-7138-7

Deze pagina citeren

ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/nl/machine-learning/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.

BeslisboomMachine learning↔ compare
Logistische RegressieOnderzoeksstatistiek↔ compare
Support Vector Machine (Classificatie)Machine learning↔ compare
XGBoostMachine learning↔ compare

Compare side by side →

Geciteerd door

Actief Leren Beslissingsboom Actief Leren met Gradiëntversterking Actief Leren LightGBM Actief Leren Lineaire Regressie Actief Leren met Logistische Regressie Actief Leren Support Vector Machine AdaBoost Attention Mechanism Bagging (Bootstrap Aggregating)Bagging Ensemble Bayesiaanse Bagging Bayesiaanse Beslissingsboom Bayesiaanse k-dichtstbijzijnde buren Bayesian LightGBM Bayesian Random Forest Bayesiaanse XGBoost BERT Fine-Tuning Bidirectionele RNN Boosting Capsule Network CatBoost CNN Beeldclassificatie Convolutional Neural Network (Classificatie)DBSCAN Beslisboom Diepgaand bekrachtigingsleren DeepAR Digitale Bodemkartering Dilated CNN Double Machine Learning Elastic Net Ensemble Active Learning Ensemble Apriori Algoritme Ensemble Decision Tree Ensemble Gaussisch Mixturemodel Ensemble Gaussian Process Ensemble Gradient Boosting Ensemble Isolation Forest Ensemble K-Nearest Neighbors Ensemble Lineaire Regressie Ensemble Logistic Regression Ensemble Metric Learning traint meerdere afstandmetriek-leerders Ensemble Naive Bayes Ensemble Online Learning Ensemble Self-supervised Learning Ensemble Support Vector Machine Ensemble Transfer Learning Uitlegbare Beslisboom Uitlegbare Extra Trees Explainable Gradient Boosting Explainable K-Means Uitlegbare K-Nearest Neighbors Explainable LightGBM Uitlegbare Multilayer Perceptron Verklaarbare Naive Bayes Uitlegbare Random Forest Explainable Stacking Ensemble Explainable XGBoost Extra Trees Gaussiaans Proces Geografisch Gewogen Willekeurig Bos GPT Fine-Tuning Gradient Boosting Graph Attention Network GraafNeuraal Netwerk Gated Recurrent Unit (GRU)Informer Isolation Forest K-Means Clustering K-Nearest Neighbors Kennisdestillatie Label Propagation LightGBM LIME: Lokaal interpreteerbare modelonafhankelijke verklaringen Lineaire Discriminantanalyse (LDA)Lineaire regressie (ML)Logistische regressie (ML)Longformer / BigBird LoRA en PEFT LSTM ML-ondersteunde Epigenoombrede Associatiestudie (ML-EWAS)Machine Learning-Assisted GWAS Machine Learning-Assisted Metabolomics Analysis Machine learning-ondersteunde analyse van microbioomdiversiteit Machine Learning-Assisted Pathway Enrichment Analysis Machine Learning-ondersteunde RNA-seq differentiële expressieanalyse Meerderheidsstemming Mixture of Experts Meerlaags Perceptron (MLP)Multilayer Perceptron (MLP)Multinomial Logistic Regression N-BEATS N-HiTS Naïeve Bayes Neural Architecture Search Neurale ODE Online Bagging Online Random Forest PatchTST Pixel-gebaseerde beeldclassificatie Regelmatige beslissingsboom Geregulariseerd Random Forest Geregulariseerd Stacking Ensemble Robuuste Bagging Robuuste Beslisboom Robuuste Gradient Boosting Robuuste LightGBM Robuuste Random Forest Robuust Stacking Ensemble Robuust Stemensemble Multi-Head Self-Attention Zelf-gesuperviseerde Beslissingsboom Zelf-gesuperviseerde Gradient Boosting Zelf-gesuperviseerd Random Forest Zelf-gesuperviseerd Stacking Ensemble Semi-supervised Bagging Semi-supervised Decision Tree Semi-supervised FP-growth Semi-supervised Isolation Forest Semi-supervised Random Forest Semi-supervised Stacking Ensemble Semi-supervised Support Vector Machine Semi-supervised XGBoost Sequence-to-Sequence Model SHAP (SHapley Additive exPlanations)Stacking Stochastische Gradiëntdaling (SGD)Support Vector Machine (Classificatie)Temporal Fusion Transformer TextCNN Transformer (NLP)UMAP Transformator voor Visuele Waarneming Visueel contrastief leren Voting Ensemble XGBoost

Een fout op deze pagina gezien? Meld het of stel een correctie voor →