Machine learning

Random Forest

Random Forest é um método de aprendizado de conjunto (ensemble learning), introduzido por Leo Breiman em 2001, que constrói muitas árvores de decisão sobre amostras bootstrap dos dados e combina seus votos para produzir classificação e regressão robustas. Ao agrupar muitas árvores ligeiramente diferentes, ele produz previsões mais precisas e estáveis do que qualquer árvore individual.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Method map

The neighbourhood of related methods — select a node to explore.

Random Forest

Árvore de Decisão Regressão Logística Máquina de Vetores de Su…XGBoost Árvore de Decisão com Ap…Gradient Boosting de Apr…LightGBM de Aprendizado…Regressão Linear com Apr…Regressão Logística com…Support Vector Machine d…

+127 more

Fontes

Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8). Springer. ISBN: 978-1-4614-7138-7

Como citar esta página

ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/pt/machine-learning/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.

Árvore de DecisãoAprendizado de máquina↔ compare
Regressão LogísticaEstatística para pesquisa↔ compare
Máquina de Vetores de Suporte (Classificação)Aprendizado de máquina↔ compare
XGBoostAprendizado de máquina↔ compare

Compare side by side →

Referenciado por

Árvore de Decisão com Aprendizado Ativo Gradient Boosting de Aprendizado Ativo LightGBM de Aprendizado Ativo Regressão Linear com Aprendizado Ativo Regressão Logística com Aprendizagem Ativa Support Vector Machine de Aprendizado Ativo AdaBoost Mecanismo de Atenção Bagging (Bootstrap Aggregating)Bagging Ensemble Bagging Bayesiano Árvore de Decisão Bayesiana Bayesian k-Nearest Neighbors Bayesian LightGBM Random Forest Bayesiano XGBoost Bayesiano Ajuste Fino de BERT RNN Bidirecional Boosting Capsule Network CatBoost Classificação de Imagens por CNN Rede Neural Convolucional (Classificação)DBSCAN Árvore de Decisão Aprendizado por Reforço Profundo DeepAR Mapeamento Digital de Solos CNN Dilatada Double Machine Learning Elastic Net Aprendizagem Ativa por Conjunto Algoritmo Ensemble Apriori Árvore de Decisão em Ensemble Modelo Gaussiano de Mistura em Conjunto Processo Gaussiano em Conjunto Ensemble Gradient Boosting Isolation Forest em Ensemble K-Vizinhos Mais Próximos em Conjunto Regressão Linear de Ensemble Regressão Logística de Ensemble Aprendizado de Métrica por Ensemble Naive Bayes Ensemble Aprendizagem Online em Conjunto Aprendizagem Auto-supervisionada em Conjunto Máquina de Vetores de Suporte em Ensemble Aprendizado de Transferência em Ensemble Árvore de Decisão Explicável Extra Trees Explicáveis Gradient Boosting Explicável K-Means Explicável K-Vizinhos Mais Próximos Explicável LightGBM Explicável Perceptron Multicamada Explicável Naive Bayes Explicável Floresta Aleatória Explicável Empilhamento Explicável XGBoost Explicável Extra Trees Processo Gaussiano Random Forest Ponderado Geograficamente GPT Fine-Tuning Gradient Boosting Graph Attention Network Rede Neural de Grafos Unidade Recorrente Gated (GRU)Informer Isolation Forest Agrupamento K-Means K-Nearest Neighbors Destilação de Conhecimento Propagação de Rótulos LightGBM LIME: Explicações Locais Interpretáveis Agnostic-ao-Modelo Análise Discriminante Linear (LDA)Regressão Linear (ML)Regressão Logística (ML)Longformer / BigBird LoRA e PEFT LSTM Estudo de Associação Epigenômica Ampla Assistido por ML (ML-EWAS)Estudos de Associação Genômica Ampla assistidos por Aprendizado de Máquina Análise de Metabolômica Assistida por Aprendizado de Máquina Análise de Diversidade de Microbioma Assistida por Aprendizado de Máquina Análise de Enriquecimento de Vias Assistida por Aprendizado de Máquina Análise de Expressão Diferencial de RNA-seq Assistida por Aprendizado de Máquina Votação por Maioria Mistura de Especialistas Perceptron de Múltiplas Camadas (MLP)Perceptron Multicamada (MLP)Regressão Logística Multinomial N-BEATS N-HiTS Naive Bayes Busca de Arquitetura Neural ODE Neuronal Bagging Online Random Forest Online PatchTST Classificação de Imagens Baseada em Pixels Árvore de Decisão Regularizada Random Forest Regularizado Regularized Stacking Ensemble Robust Bagging Árvore de Decisão Robusta Gradient Boosting Robusto Robust LightGBM Robust Random Forest Ensemble Robusto de Empilhamento Robust Voting Ensemble Autoatenção Multi-Cabeça Árvore de Decisão Auto-supervisionada Gradient Boosting Auto-supervisionado Random Forest Auto-supervisionado Autoagrupamento de Empilhamento Auto-supervisionado Bagging Semi-supervisionado Árvore de Decisão Semi-supervisionada FP-growth Semi-supervisionado Semi-supervised Isolation Forest Random Forest Semi-supervisionado Ensemble de Stacking Semissupervisionado Máquina de Vetores de Suporte Semi-supervisionada XGBoost Semi-supervisionado Modelo Sequência-para-Sequência SHAP (SHapley Additive exPlanations)Stacking Gradiente Descendente Estocástico (SGD)Máquina de Vetores de Suporte (Classificação)O Transformador de Fusão Temporal TextCNN Transformer (PNL)UMAP Vision Transformer Aprendizagem Contrastiva Visual Comitê de Votação XGBoost

Encontrou um problema nesta página? Relate ou sugira uma correção →