Random Forest Bayesiano
O Random Forest Bayesiano estende o Random Forest clássico ao colocar uma distribuição a priori sobre estruturas de árvores e parâmetros de folhas, e então amostrando ou aproximando a posterior sobre esse ensemble. O resultado é um conjunto de predições acompanhadas por estimativas de incerteza calibradas — uma capacidade que os Random Forests padrão não possuem — tornando-o valioso quando saber o quão confiante o modelo está importa tanto quanto a própria predição.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/pt/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.
- Aprendizagem Ativa BayesianaAprendizado de máquina↔ compare
- Árvore de Decisão BayesianaAprendizado de máquina↔ compare
- Aprendizado Bayesiano Semi-supervisionadoAprendizado de máquina↔ compare
- Processo GaussianoAprendizado de máquina↔ compare
- Random ForestAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →