Регуляризованный случайный лес
Регуляризованный случайный лес (RRF), представленный Денгом и Рангером в 2012 году, расширяет стандартный случайный лес путем добавления штрафа, который препятствует разделениям по признакам, еще не использованным в ансамбле. Эта встроенная регуляризация создает более разреженные, менее избыточные подмножества признаков, что делает модель особенно ценной, когда отбор признаков так же важен, как и предсказательная точность.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Deng, H., & Runger, G. (2012). Feature selection via regularized trees. Proceedings of the 2012 International Joint Conference on Neural Networks (IJCNN), IEEE, pp. 1–8. DOI: 10.1109/IJCNN.2012.6252640 ↗
- Deng, H., & Runger, G. (2013). Gene selection with guided regularized random forest. Pattern Recognition, 46(12), 3483–3489. DOI: 10.1016/j.patcog.2013.05.018 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/ru/machine-learning/regularized-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
- Чрезвычайно случайные деревьяМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Регуляризованное дерево решенийМашинное обучение↔ compare
- Регуляризованный градиентный бустингМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →