Random Forest แบบเบย์เซียน
Random Forest แบบเบย์เซียนเป็นการต่อยอดจาก Random Forest แบบดั้งเดิม โดยการกำหนดการแจกแจงก่อน (prior distribution) ให้กับโครงสร้างต้นไม้และพารามิเตอร์ที่ใบ (leaf parameters) จากนั้นจึงทำการสุ่มตัวอย่างหรือประมาณค่าการแจกแจงภายหลัง (posterior) ของกลุ่มต้นไม้นั้น ผลลัพธ์ที่ได้คือชุดของการทำนายพร้อมกับการประมาณค่าความไม่แน่นอนที่ปรับเทียบแล้ว ซึ่งเป็นความสามารถที่ Random Forest แบบมาตรฐานไม่มี ทำให้มีคุณค่าเมื่อการทราบว่าแบบจำลองมีความมั่นใจเพียงใดมีความสำคัญเท่ากับการทำนายเอง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Random Forest (Bayesian Ensemble of Decision Trees). ScholarGate. https://scholargate.app/th/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.
- Bayesian Active Learningการเรียนรู้ของเครื่อง↔ compare
- ต้นไม้ตัดสินใจแบบเบย์ (Bayesian Decision Tree)การเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งมีผู้สอนแบบเบย์ (Bayesian Semi-supervised Learning)การเรียนรู้ของเครื่อง↔ compare
- กระบวนการเกาส์เซียนการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare