Робастное дерево решений
Робастное дерево решений — это вариант дерева решений, обученный с использованием модифицированных критериев разбиения или процедур обучения, предназначенных для снижения чувствительности к выбросам, шуму в метках и состязательным возмущениям. Вместо минимизации стандартных мер неоднородности, на которые сильно влияют экстремальные значения, робастные варианты используют статистически робастные аналоги или регуляризацию для получения разбиений, которые обобщаются в условиях зашумленных или поврежденных данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/ru/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.
- Дерево решенийМашинное обучение↔ compare
- Чрезвычайно случайные деревьяМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Регуляризованное дерево решенийМашинное обучение↔ compare
- Robust Gradient BoostingМашинное обучение↔ compare
- Robust Random ForestМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →