Робусна насумична шума
Robust Random Forest proširuje standardni ansambl Random Forest ugrađivanjem mehanizama koji smanjuju uticaj autlajera, šuma u oznakama i korumpiranih opservacija. Umesto da tretira sve instancе za obuku jednako, primenjuje strategije vaganja ili filtriranja tako da šumni ili anomalni uzorci manje doprinose pojedinačnim podelama stabala, dajući predikcije koje ostaju pouzdane čak i kada je kvalitet podataka nesavršen.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Robust Random Forest (Noise-Tolerant Ensemble of Decision Trees). ScholarGate. https://scholargate.app/sr/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)Mašinsko učenje↔ compare
- Дрво одлучивањаMašinsko učenje↔ compare
- Градијентно појачањеMašinsko učenje↔ compare
- Isolation ForestMašinsko učenje↔ compare
- Slučajna šumaMašinsko učenje↔ compare
- XGBoostMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →