Machine learning
Msitu Nasibu
Msitu Nasibu (Random Forest) ni mbinu ya ujifunzaji shirikishi, iliyoanzishwa na Leo Breiman mwaka 2001, ambayo huunda miti mingi ya maamuzi kwenye sampuli za buti za data na kuunganisha kura zao ili kutoa uainishaji na urejeshaji thabiti. Kwa kuunganisha miti mingi tofauti kidogo, hutoa utabiri sahihi zaidi na thabiti zaidi kuliko mti mmoja pekee.
Soma mbinu kamili
Kwa wanachama pekee
IngiaIngia kwa akaunti ya bure ili kusoma sehemu hii.
Method map
The neighbourhood of related methods — select a node to explore.
+127 more
Vyanzo
- Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8). Springer. ISBN: 978-1-4614-7138-7
Jinsi ya kunukuu ukurasa huu
ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/sw/machine-learning/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.
- Mti wa UamuziUjifunzaji wa Mashine↔ compare
- Regresheni ya LogistikiTakwimu za Utafiti↔ compare
- Support Vector Machine (Uainishaji)Ujifunzaji wa Mashine↔ compare
- XGBoostUjifunzaji wa Mashine↔ compare
Imerejelewa na
Mti wa Kujifunza kwa Kazi (Active Learning Decision Tree)Kujifunza Amilifu kwa Kuimarisha MteremkoActive Learning LightGBMRegressioni ya Kujifunza kwa Nguvu (Active Learning Linear Regression)Active Learning Logistic RegressionKujifunza Amilifu kwa Mashine ya Kusaidia VektaAdaBoostAttention MechanismBagging (Bootstrap Aggregating)Bagging EnsembleBayesian BaggingMti wa Uamuzi wa KibayesiaBayesian k-Nearest NeighborsBayesian LightGBMmsitu wa Bayesian Random ForestXGBoost ya KibayesiyaniUrekebishaji wa BERTRNN ya pande mbiliKuimarishaMtandao wa VidongeCatBoostUainishaji wa Picha kwa CNNMtandao wa Neura wa Kikunjo (Uainishaji)DBSCANMti wa UamuziUjifunzaji wa Kina wa UimarishajiDeepARUchoraji wa Udongo wa DijitaliCNN iliyopanuliwaUjifundishaji Mashine Mara MbiliElastic NetUjifunzaji Amilifu wa Vikundi (Ensemble Active Learning)Algoriti ya Ensemble AprioriNjia za Mti wa Uamuzi wa EnsembleMuundo wa Mchanganyiko wa Gaussian wa EnsembleMchakato wa Gaussia wa PamojaUboreshaji wa Ensemble wa GradientMsitu wa Kutenga wa EnsembleEnsemble K-Nearest NeighborsRegressioni ya Mfumo wa Mlinganyo wa KawaidaEnsemble Logistic RegressionMafunzo ya Ensemble Metric LearningEnsemble Naive BayesKujifunza kwa pamoja mtandaoniUjifunzaji Unganishi Unaojisimamia (Ensemble Self-supervised Learning)Mchanganyiko wa Mashine za Usaidizi wa Vigezo (Ensemble Support Vector Machine)Kujumuika kwa Kujifunza kwa Kuhamisha (Ensemble Transfer Learning)Mti wa Maamuzi Unaoweza KufafanuliwaExplainable Extra TreesKukuza Muelekeo KunakoelewekaExplainable K-MeansK-Nearest Neighbors InayoelezekaExplainable LightGBMMultilayer Perceptron InayoelewekaBayesi ya UfafanuziExplainable Random ForestMkusanyiko wa Kuweka Safu Unaoweza KufafanuliwaXGBoost InayoelewekaMiti ya ZiadaMchakato wa GaussiaMsitu wa Bahati Nasibu wa KijiografiaUtekelezaji wa GPT (GPT Fine-Tuning)Uimarishaji wa MteremkoMtandao wa Makini wa GrafuMtandao wa Neural wa GrafuKitengo cha Kurudiana kilicho na Lango (GRU)Mtoa habariIsolation ForestK-Means ClusteringJirani-Karibu-WengiUfumbuzi wa MaarifaUenezaji wa LeboLightGBMLIME: Maelezo Yanayoweza Kufasiriwa Kienyeji Kwa Kila MfumoUchambuzi wa Ubaguzi wa Laini (LDA)Regresi Laini (ML)Regressioni ya Lojistiki (ML)Longformer / BigBirdLoRA na PEFTLSTMUtafiti wa Uunganishaji wa Epigenome kwa Msaada wa ML (ML-EWAS)Uchanganuzi wa GWAS Usaidizi wa Kujifunza kwa MashineUchanganuzi wa Metabolomics Usaidiziwa na Machine LearningUchambuzi wa Utofauti wa Microbiome kwa Msaada wa Machine LearningUchanganuzi wa Uboreshaji wa Njia kwa Usaidizi wa Mashine ya KujifunzaUchanganuzi wa Utekelezaji wa RNA-seq Usaidiziwa na Akili BandiaUpigaji Kura wa WengiMchanganyiko wa WataalamuPerceptroni wa Tabaka Nyingi (MLP)Multilayer Perceptron (MLP)Regressioni Logistiki MultinomialiN-BEATSN-HiTSNaive BayesUtafutaji wa Usanifu wa NeuralNeural ODEOnline BaggingMsitu Nasibu wa MtandaoniPatchTSTUainishaji wa Picha kwa Msingi wa PikseliRegularized Decision TreeMsitu wa Kawaida wa BahatishaEnsemble ya Kujiregularisha kwa Kuunganisha (Regularized Stacking Ensemble)Robust BaggingMti Imara wa UamuziUimarishaji wenye Nguvu wa Kukuza (Robust Gradient Boosting)LightGBM ImaraMsitu Imara wa MisituUundaji wa Kuimarisha wa Kuunganisha kwa NguvuUmoja wa Kupiga Kura ImaraUzingatio-mkuu wa nafsi (Multi-Head Self-Attention)Mti wa Mti wa Kujifundisha PekeeUboreshaji wa Gradient unaojifundishaSelf-supervised Random ForestSelf-supervised Stacking EnsembleMchanganyiko wa Nusu-msaadaMti wa Maamuzi wa Nusu-MsimamiziSemi-supervised FP-growthSemi-supervised Isolation ForestRandom Forest ya Nusu-MsimamiziMkusanyiko wa Kuweka Tabaka Nusu-SimamiziMashine ya Vektor Saidizi Nusu-SimamiziXGBoost ya Nusu-SimamiziMuundo wa Mfuatano-hadi-MfuatanoSHAP (SHapley Additive exPlanations)Uwekaji juuKushuka kwa Gradient kwa Bahati Nasibu (SGD)Support Vector Machine (Uainishaji)Temporal Fusion TransformerTextCNNTransformer (NLP)UMAPTransformer wa MaonoUjifunzaji wa Kulinganisha wa KuonaKikundi cha Kura (Voting Ensemble)XGBoost
Umeona tatizo kwenye ukurasa huu? Ripoti au pendekeza marekebisho →