Pădure aleatorie bayesiană
Pădurea aleatorie bayesiană extinde pădurea aleatorie clasică prin plasarea unei distribuții a priori peste structurile arborilor și parametrii frunzelor, apoi prin eșantionarea sau aproximarea distribuției a posteriori peste acel ansamblu. Rezultatul este un set de predicții însoțite de estimări calibrate ale incertitudinii — o capacitate pe care pădurile aleatorii standard nu o au — făcându-l valoros atunci când cunoașterea gradului de încredere al modelului contează la fel de mult ca predicția în sine.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/ro/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.
- Învățare Activă BayesianăÎnvățare automată↔ compare
- Arbore de decizie bayesianÎnvățare automată↔ compare
- Învățare bayesiană semi-supervizatăÎnvățare automată↔ compare
- Proces GaussianÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →