Machine learning
Случайный лес
Случайный лес — это метод ансамблевого обучения, предложенный Лео Брейманом в 2001 году, который строит множество деревьев решений на бутстрэп-выборках данных и объединяет их голоса для получения надежной классификации и регрессии. Объединяя множество слегка отличающихся деревьев, он обеспечивает более точные и стабильные прогнозы, чем любое отдельное дерево.
Читать метод полностью
Только для участников
ВойтиВойдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+127 more
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/ru/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.
- Дерево решенийМашинное обучение↔ compare
- Логистическая регрессияСтатистика исследований↔ compare
- Метод опорных векторов (классификация)Машинное обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Дерево решений с активным обучениемГрадиентный бустинг с активным обучениемАктивное обучение с LightGBMАктивное обучение с линейной регрессиейАктивное обучение логистической регрессииАктивное обучение с машиной опорных векторовAdaBoostМеханизм вниманияБэггинг (Бутстрэп-агрегирование)Ансамбль бэггингаБайесовский бэггингБайесовское дерево решенийБайесовский k-ближайших соседейБайесовский LightGBMБайесовский случайный лесБайесовский XGBoostДообучение BERTДвунаправленная РНСБустингКапсульная сетьCatBoostКлассификация изображений с помощью свёрточных нейронных сетей (CNN)Сверточная нейронная сеть (классификация)DBSCANДерево решенийГлубокое обучение с подкреплениемDeepARЦифровое картографирование почвСверточная нейронная сеть с дилатациейДвойное машинное обучениеЭластичная сетьАнсамблевое активное обучениеАнсамблевый алгоритм AprioriАнсамбль деревьев решенийАнсамбль Гауссовых Смесей (Ensemble Gaussian Mixture Model)Ансамбль Гауссовских ПроцессовАнсамблевый градиентный бустингАнсамбль Isolation ForestАнсамбль K-ближайших соседейАнсамблевая линейная регрессияАнсамблевая логистическая регрессияАнсамблевое метрическое обучениеАнсамбль Наивного БайесаАнсамблевое онлайн-обучениеАнсамблевое самообучениеАнсамбль опорных векторов (Ensemble Support Vector Machine)Ансамблевое трансферное обучениеОбъяснимое дерево решенийОбъяснимые Экстремальные Случайные ДеревьяОбъяснимый градиентный бустингОбъяснимый K-MeansОбъяснимый метод k-ближайших соседейОбъяснимый LightGBMОбъяснимый многослойный персептронОбъяснимый наивный БайесОбъяснимый случайный лесОбъяснимый ансамбль стекированияОбъяснимый XGBoostЧрезвычайно случайные деревьяГауссовский процессГеографически взвешенный случайный лесТонкая настройка GPTГрадиентный бустингГрафовая сеть внимания (Graph Attention Network, GAT)Графовая нейронная сетьУправляемый рекуррентный блок (GRU)ИнформерIsolation ForestКластеризация методом k-среднихМетод K ближайших соседейДистилляция знанийРаспространение метокLightGBMLIME: Локально-интерпретируемые модельно-агностические объясненияЛинейный дискриминантный анализ (LDA)Линейная регрессия (МО)Логистическая регрессия (МО)Longformer / BigBirdLoRA и PEFTLSTMMachine learning-assisted epigenome-wide association studyМашинное обучение с поддержкой GWASАнализ метаболомики с использованием машинного обученияМашинное обучение для анализа разнообразия микробиомаАнализ обогащения путей с помощью машинного обученияАнализ дифференциальной экспрессии РНК-сек с помощью машинного обученияМажоритарное голосованиеСмесь экспертовМногослойный перцептрон (MLP)Многослойный перцептрон (MLP)Мультиномиальная логистическая регрессияN-BEATSN-HiTSНаивный БайесНейросетевой поиск архитектурНейронные ОДУ (Neural ODE)Online BaggingOnline Random ForestPatchTSTПиксельная классификация изображенийРегуляризованное дерево решенийРегуляризованный случайный лесРегуляризованная стековая ансамблевая модельRobust BaggingРобастное дерево решенийRobust Gradient BoostingУстойчивый LightGBMRobust Random ForestРобастное стекирование ансамблейРобастная ансамблевое голосованиеМногоголовочное самовниманиеСамообучающееся решающее деревоСамообучающееся градиентное бустированиеСамообучающийся случайный лесСамообучающаяся стековая ансамблевая модельПолуавтоматический бэггингПолуавтоматическое дерево решенийПолуавтоматический FP-growthПолуавтоматический Isolation ForestСлучайный лес с частичной разметкойСтекирование ансамблей с частичной разметкойМашина опорных векторов с частичной разметкойПолу-контролируемый XGBoostМодель «последовательность к последовательности»SHAP (SHapley Additive exPlanations)СтекингСтохастический градиентный спуск (SGD)Метод опорных векторов (классификация)Временной трансформер слиянияTextCNNTransformer (NLP)UMAPVision TransformerВизуальное контрастивное обучениеГолосующая ансамблевая модельXGBoost
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →