Regularized Random Forest
Regularized Random Forest (RRF) ซึ่งนำเสนอโดย Deng และ Runger ในปี 2012 เป็นการขยายผลของ Random Forest มาตรฐาน โดยการเพิ่มค่าปรับ (penalty) ที่ยับยั้งการแยก (split) บนฟีเจอร์ที่ยังไม่ได้ถูกใช้ในเอนเซมเบิล การทำให้เป็นระเบียบ (regularization) ที่มีมาในตัวนี้จะสร้างชุดฟีเจอร์ที่เบาบาง (sparser) และมีความซ้ำซ้อนน้อยลง ทำให้โมเดลมีคุณค่าอย่างยิ่งเมื่อการเลือกฟีเจอร์มีความสำคัญเท่ากับความแม่นยำในการทำนาย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Deng, H., & Runger, G. (2012). Feature selection via regularized trees. Proceedings of the 2012 International Joint Conference on Neural Networks (IJCNN), IEEE, pp. 1–8. DOI: 10.1109/IJCNN.2012.6252640 ↗
- Deng, H., & Runger, G. (2013). Gene selection with guided regularized random forest. Pattern Recognition, 46(12), 3483–3489. DOI: 10.1016/j.patcog.2013.05.018 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/th/machine-learning/regularized-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
- Extra Treesการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- Regularized Decision Treeการเรียนรู้ของเครื่อง↔ compare
- การเพิ่มกำลังไล่ระดับแบบปรับให้เหมาะสมการเรียนรู้ของเครื่อง↔ compare