Machine learning
Random Forest
Random Forest เป็นวิธีการเรียนรู้แบบรวมกลุ่ม (ensemble learning method) ที่ Leo Breiman นำเสนอในปี 2001 โดยสร้างต้นไม้ตัดสินใจ (decision trees) จำนวนมากจากตัวอย่าง bootstrap ของข้อมูล และรวมผลการลงคะแนนของต้นไม้เหล่านั้นเพื่อจำแนกประเภท (classification) และการถดถอย (regression) ที่มีความแม่นยำและเสถียรภาพสูง การรวมต้นไม้หลายๆ ต้นที่แตกต่างกันเล็กน้อยเข้าด้วยกัน ทำให้ได้การทำนายที่แม่นยำและเสถียรกว่าต้นไม้เดี่ยวๆ
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+127 more
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/th/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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Support Vector Machineการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare
ถูกอ้างอิงโดย
Active Learning Decision Treeการเรียนรู้เชิงรุกแบบ Gradient BoostingActive Learning LightGBMการถดถอยเชิงเส้นแบบเรียนรู้เชิงรุกการเรียนรู้เชิงรุกด้วยโลจิสติกส์รีเกรสชันการเรียนรู้เชิงรุกเครื่องเวกเตอร์สนับสนุนAdaBoostกลไกการใส่ใจ (Attention Mechanism)Bagging (Bootstrap Aggregating)การรวมกลุ่มแบบแบ็กกิงBayesian Baggingต้นไม้ตัดสินใจแบบเบย์ (Bayesian Decision Tree)วิธี k-Nearest Neighbors แบบเบย์ (Bayesian k-Nearest Neighbors)Bayesian LightGBMRandom Forest แบบเบย์เซียนBayesian XGBoostการปรับจูน BERTโครงข่ายประสาทเทียมแบบวนซ้ำสองทิศทางBoostingเครือข่าย CapsuleCatBoostการจำแนกภาพด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN Image Classification)โครงข่ายประสาทเทียมแบบสังวัตนาการ (การจำแนกประเภท)DBSCANต้นไม้ตัดสินใจการเรียนรู้แบบเสริมกำลังเชิงลึกDeepARการทำแผนที่ดินดิจิทัลเครือข่ายคอนโวลูชันแบบขยาย (Dilated CNN)การเรียนรู้ของเครื่องแบบทวีคูณElastic Netการเรียนรู้เชิงรุกแบบอิงกลุ่มอัลกอริทึม Apriori แบบ EnsembleEnsemble Decision Treeแบบจำลองเกาส์เซียนผสมแบบรวม (Ensemble Gaussian Mixture Model)Ensemble Gaussian ProcessGradient BoostingEnsemble Isolation Forestเอนเซมเบิล K-Nearest Neighborsการถดถอยเชิงเส้นแบบรวมกลุ่มการถดถอยโลจิสติกแบบรวม (Ensemble Logistic Regression)การเรียนรู้เมตริกแบบรวมกลุ่มEnsemble Naive Bayesการเรียนรู้แบบออนไลน์เชิงกลุ่ม (Ensemble Online Learning)Ensemble Self-supervised LearningEnsemble Support Vector Machineการเรียนรู้แบบถ่ายโอนแบบรวมกลุ่มผังการตัดสินใจที่อธิบายได้Explainable Extra TreesExplainable Gradient BoostingExplainable K-MeansExplainable K-Nearest NeighborsLightGBM ที่อธิบายได้Explainable Multilayer PerceptronExplainable Naive Bayesฟอเรสต์สุ่มที่อธิบายได้การรวมกลุ่มแบบซ้อนแบบอธิบายได้XGBoost ที่อธิบายได้Extra Treesกระบวนการเกาส์เซียนการเรียนรู้แบบสุ่มถ่วงน้ำหนักตามภูมิศาสตร์การปรับละเอียด GPT (GPT Fine-Tuning)การเสริมกำลังไล่ระดับGraph Attention Networkโครงข่ายประสาทเทียมกราฟGated Recurrent Unit (GRU)InformerIsolation Forestการจัดกลุ่มแบบ K-MeansK-Nearest Neighborsการกลั่นความรู้การแพร่กระจายป้ายกำกับไลท์จีบีเอ็มLIME: คำอธิบายแบบจำลองที่ตีความได้เฉพาะที่และไม่ขึ้นกับแบบจำลองLinear Discriminant Analysis (LDA)การถดถอยเชิงเส้น (Linear Regression) (ML)การถดถอยโลจิสติก (ML)Longformer / BigBirdLoRA และ PEFTแอลเอสทีเอ็มMachine learning-assisted epigenome-wide association studyการศึกษาความสัมพันธ์ทั่วทั้งจีโนมโดยใช้การเรียนรู้ของเครื่องการวิเคราะห์เมแทบอโลมิกส์ด้วยการเรียนรู้ของเครื่องการวิเคราะห์ความหลากหลายของจุลินทรีย์ด้วยการเรียนรู้ของเครื่องการวิเคราะห์การเสริมเส้นทางชีวภาพโดยใช้การเรียนรู้ของเครื่องMachine learning-assisted RNA-seq differential expressionการลงคะแนนเสียงข้างมากMixture of ExpertsMulti-layer Perceptron (MLP)เพอร์เซปตรอนหลายชั้น (MLP)การถดถอยโลจิสติกส์หลายตัวแปรN-BEATSN-HiTSNaive Bayesการค้นหาสถาปัตยกรรมโครงข่ายประสาทเทียมโครงข่ายประสาทเทียมเชิงอนุพันธ์สามัญ (Neural ODE)Online BaggingOnline Random ForestPatchTSTการจำแนกประเภทภาพแบบพิกเซลRegularized Decision TreeRegularized Random Forestการรวมกลุ่มแบบเสริมกำลังRobust Baggingต้นไม้ตัดสินใจแบบทนทานการเพิ่มกำลังการไล่ระดับสีที่ทนทาน (Robust Gradient Boosting)Robust LightGBMRandom Forest ที่ทนทานRobust Stacking Ensembleการลงคะแนนแบบกลุ่มที่ทนทานความสนใจหลายหัวของตนเอง (Multi-Head Self-Attention)แผนภูมิตัดสินใจแบบเรียนรู้ด้วยตนเองการเสริมกำลังไล่ระดับแบบกำกับตนเองSelf-supervised Random Forestการรวมกลุ่มแบบพึ่งตนเอง (Self-supervised Stacking Ensemble)เทคนิก Bagging แบบกึ่งมีผู้สอนต้นไม้ตัดสินใจแบบกึ่งกำกับดูแล (Semi-supervised Decision Tree)FP-growth แบบกึ่งมีผู้สอนIsolation Forest แบบกึ่งมีผู้สอนSemi-supervised Random Forestการจัดกลุ่มแบบกึ่งกำกับด้วยการซ้อนทับการจำแนกประเภทแบบกึ่งมีผู้สอนด้วยเครื่องเวกเตอร์สนับสนุนXGBoost กึ่งควบคุม (Semi-supervised XGBoost)แบบจำลองลำดับต่อลำดับSHAP (SHapley Additive exPlanations)การซ้อนทับStochastic Gradient Descent (SGD)Support Vector Machineตัวแปลงฟิวชั่นเชิงเวลาTextCNNทรานส์ฟอร์มเมอร์ (การประมวลผลภาษาธรรมชาติ)UMAPวิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงเปรียบเทียบสำหรับภาพ (Visual Contrastive Learning)การรวมแบบลงคะแนนXGBoost