Drzewo decyzyjne odporne na zakłócenia
Odporne drzewo decyzyjne to wariant drzewa decyzyjnego trenowany ze zmodyfikowanymi kryteriami podziału lub procedurami treningowymi zaprojektowanymi w celu zmniejszenia wrażliwości na wartości odstające, szum w etykietach i zakłócenia adwersarialne. Zamiast minimalizować standardowe miary nieczystości, które są silnie zależne od wartości ekstremalnych, odporne warianty wykorzystują statystycznie odporne analogi lub regularyzację do tworzenia podziałów, które generalizują w warunkach zaszumionych lub uszkodzonych danych.
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
- Chen, H., & Nan, F. (2019). Robust Decision Trees Against Adversarial Examples. Proceedings of the 36th International Conference on Machine Learning (ICML), PMLR 97, 1006–1015. link ↗
- Hubert, M., & Debruyne, M. (2010). Minimum covariance determinant. Wiley Interdisciplinary Reviews: Computational Statistics, 2(1), 36–43. (background on robust estimation applied to tree splitting criteria) DOI: 10.1002/wics.61 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/pl/machine-learning/robust-decision-tree
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
- Robust Gradient BoostingUczenie maszynowe↔ compare
- Robust Random ForestUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →