Robust Random Forest
Robust Random Forest расширяет стандартный ансамбль Random Forest, включая механизмы, которые снижают влияние выбросов, шума в метках и искаженных наблюдений. Вместо того чтобы относиться ко всем обучающим примерам одинаково, он применяет стратегии взвешивания или фильтрации, чтобы зашумленные или аномальные образцы вносили меньший вклад в разделение отдельных деревьев, обеспечивая надежные прогнозы даже при несовершенном качестве данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Источники
- Chen, S., & Guestrin, C. (2019). Robust Random Forest. In Proceedings of the 36th International Conference on Machine Learning (ICML). Also see: Gao, W., & Zhou, Z.-H. (2013). On the Doubt about Margin Explanation of Boosting. Artificial Intelligence, 203, 1–18. link ↗
- Random Forest. Wikipedia. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Random Forest (Noise-Tolerant Ensemble of Decision Trees). ScholarGate. https://scholargate.app/ru/machine-learning/robust-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.
- Бэггинг (Бутстрэп-агрегирование)Машинное обучение↔ compare
- Дерево решенийМашинное обучение↔ compare
- Градиентный бустингМашинное обучение↔ compare
- Isolation ForestМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →