Robust Random Forest
Robust Random Forest rozširuje štandardný ansámblový model Random Forest začlenením mechanizmov, ktoré redukujú vplyv extrémnych hodnôt (outlierov), šumu v označeniach (label noise) a poškodených pozorovaní. Namiesto rovnakého zaobchádzania so všetkými tréningovými inštanciami aplikuje stratégie váženia alebo filtrovania tak, aby šumové alebo anomálne vzorky menej prispievali k rozdeleniam jednotlivých stromov, čo vedie k predikciám, ktoré zostávajú spoľahlivé aj pri nedokonalých dátach.
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.
+3 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Random Forest (Noise-Tolerant Ensemble of Decision Trees). ScholarGate. https://scholargate.app/sk/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.
- Bagging (Bootstrap Aggregating)Strojové učenie↔ compare
- Rozhodovací stromStrojové učenie↔ compare
- Gradient BoostingStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →