Bayesovský náhodný les
Bayesovský náhodný les rozširuje klasický náhodný les tým, že umiestňuje predchádzajúcu distribúciu na štruktúry stromov a parametre listov, potom vzorkuje alebo aproximuje posteriornú distribúciu nad týmto súborom. Výsledkom je súbor predikcií sprevádzaný kalibrovanými odhadmi neistoty — schopnosť, ktorú štandardné náhodné lesy postrádajú — čo ho robí cenným, keď je informácia o tom, ako si je model istý, rovnako dôležitá ako samotná predikcia.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/sk/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.
- Bayesovské aktívne učenieStrojové učenie↔ compare
- Bayesovský rozhodovací stromStrojové učenie↔ compare
- Bayesovské polosupervizované učenieStrojové učenie↔ compare
- Gaussov procesStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →