Geregulariseerd Random Forest
Geregulariseerd Random Forest (RRF), geïntroduceerd door Deng en Runger in 2012, breidt het standaard Random Forest uit door een straf toe te voegen die splitsingen op kenmerken ontmoedigt die nog niet in het ensemble zijn gebruikt. Deze ingebouwde regularisatie produceert schaarsere, minder redundante kenmerkensubsets, wat het model bijzonder waardevol maakt wanneer kenmerkenselectie even belangrijk is als voorspellende nauwkeurigheid.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/nl/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.
- BeslisboomMachine learning↔ compare
- Extra TreesMachine learning↔ compare
- Random ForestMachine learning↔ compare
- Regelmatige beslissingsboomMachine learning↔ compare
- Reguliere Gradient BoostingMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →