Географски пондерисана случајна шума
Географски пондерисана случајна шума (GWRF) је просторно локални метод ансамбл учења који прилагођава независни модел случајне шуме на свакој посматраној локацији, дајући већу тежину оближњим тренинг узорцима него удаљеним путем функције просторне језгре. Увео ју је Стефанос Георгеанос и његове колеге 2019. (објављено 2021.) као проширење Брејманове случајне шуме за руковање просторном нестационарношћу — феноменом где се односи предиктора и одзива мењају кроз географски простор.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Georganos, S., et al. (2021). Geographical random forests: a spatial extension of the random forest algorithm. Geocarto International, 36(2), 121–136. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Geographically Weighted Random Forest (GWRF). ScholarGate. https://scholargate.app/sr/spatial-analysis/geographically-weighted-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.
- Geographically Weighted Regression (GWR)Prostorna analiza↔ compare
- Slučajna šumaMašinsko učenje↔ compare
- Model prostornog kašnjenja (SAR / Spatial Autoregressive)Prostorna analiza↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →