Uregulowany las losowy
Uregulowany las losowy (RRF), wprowadzony przez Denga i Rungera w 2012 roku, rozszerza standardowy las losowy poprzez dodanie kary, która zniechęca do podziałów na cechach nieużywanych jeszcze w zespole. Ta wbudowana regularyzacja prowadzi do rzadszych, mniej redundantnych podzbiorów cech, co czyni model szczególnie wartościowym, gdy selekcja cech jest równie ważna jak dokładność predykcyjna.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/pl/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.
- Drzewo decyzyjneUczenie maszynowe↔ compare
- Extra TreesUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- Regularyzowane drzewo decyzyjneUczenie maszynowe↔ compare
- Uregulowany gradientowy boostingUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →