Robust Random Forest
Robust Random Forest utvider standard Random Forest-ensemblet ved å inkludere mekanismer som reduserer innflytelsen fra uteliggere, støy i etiketter og korrupte observasjoner. I stedet for å behandle alle treningsinstanser likt, anvender den vekslings- eller filtreringsstrategier slik at støyende eller anomale prøver bidrar mindre til individuelle tre-splitt, noe som gir prediksjoner som forblir pålitelige selv når datakvaliteten er ufullkommen.
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.
+3 more
Kilder
- Chen, S., & Guestrin, C. (2019). Robust Random Forest. In Proceedings of the 36th International Conference on Machine Learning (ICML). Also see: Gao, W., & Zhou, Z.-H. (2013). On the Doubt about Margin Explanation of Boosting. Artificial Intelligence, 203, 1–18. link ↗
- Random Forest. Wikipedia. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Random Forest (Noise-Tolerant Ensemble of Decision Trees). ScholarGate. https://scholargate.app/no/machine-learning/robust-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.
- Bagging (Bootstrap Aggregating)Maskinlæring↔ compare
- BeslutningstreMaskinlæring↔ compare
- Gradient BoostingMaskinlæring↔ compare
- Isolation ForestMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →