Bayesian Random Forest
Bayesian Random Forest utvider den klassiske random forest ved å legge en priorfordeling over trestrukturer og bladparametre, deretter sample eller approksimere posteriorfordelingen over det ensemblet. Resultatet er et sett med prediksjoner ledsaget av kalibrerte usikkerhetsestimater — en egenskap standard random forest mangler — noe som gjør den verdifull når det er like viktig å vite hvor sikker modellen er som selve prediksjonen.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Taddy, M., Chen, C., Yu, J., & Wyle, M. (2015). Bayesian and Empirical Bayesian Forests. Proceedings of the 32nd International Conference on Machine Learning (ICML 2015), PMLR 37, 967–976. link ↗
- Lakshminarayanan, B., Roy, D. M., & Teh, Y. W. (2016). Mondrian Forests for Large-Scale Regression when Uncertainty Matters. Proceedings of the 19th International Conference on Artificial Intelligence and Statistics (AISTATS 2016), PMLR 51, 1478–1487. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/no/machine-learning/bayesian-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.
- Bayesiansk aktiv læringMaskinlæring↔ compare
- Bayesiansk beslutningstreMaskinlæring↔ compare
- Bayesiansk semi-veiledt læringMaskinlæring↔ compare
- Gaussisk prosessMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →