Árvore de Decisão Robusta
Uma Árvore de Decisão Robusta é uma variante de árvore de decisão treinada com critérios de divisão modificados ou procedimentos de treinamento projetados para reduzir a sensibilidade a valores atípicos, ruído de rótulo e perturbações adversariais. Em vez de minimizar medidas de impureza padrão que são fortemente afetadas por valores extremos, variantes robustas usam análogos estatisticamente robustos ou regularização para produzir divisões que generalizam sob condições de dados ruidosos ou corrompidos.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/pt/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.
- Árvore de DecisãoAprendizado de máquina↔ compare
- Extra TreesAprendizado de máquina↔ compare
- Random ForestAprendizado de máquina↔ compare
- Árvore de Decisão RegularizadaAprendizado de máquina↔ compare
- Gradient Boosting RobustoAprendizado de máquina↔ compare
- Robust Random ForestAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →