ต้นไม้ตัดสินใจแบบทนทาน
ต้นไม้ตัดสินใจแบบทนทาน (Robust Decision Tree) เป็นต้นไม้ตัดสินใจรูปแบบหนึ่งที่ฝึกฝนด้วยเกณฑ์การแบ่งโหนดที่ปรับปรุงแล้ว หรือกระบวนการฝึกที่ออกแบบมาเพื่อลดความไวต่อค่าผิดปกติ (outliers) สัญญาณรบกวนของป้ายกำกับ (label noise) และการรบกวนแบบปฏิปักษ์ (adversarial perturbations) แทนที่จะลดเกณฑ์การวัดความไม่บริสุทธิ์ (impurity) มาตรฐานที่ได้รับผลกระทบอย่างมากจากค่าสุดขั้ว รูปแบบทนทานจะใช้ค่าอนุกรมสถิติที่ทนทาน (robust analogues) หรือการทำให้เป็นปกติ (regularization) เพื่อสร้างการแบ่งโหนดที่สามารถสรุปผลได้ภายใต้เงื่อนไขข้อมูลที่มีสัญญาณรบกวนหรือเสียหาย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Chen, H., & Nan, F. (2019). Robust Decision Trees Against Adversarial Examples. Proceedings of the 36th International Conference on Machine Learning (ICML), PMLR 97, 1006–1015. link ↗
- Hubert, M., & Debruyne, M. (2010). Minimum covariance determinant. Wiley Interdisciplinary Reviews: Computational Statistics, 2(1), 36–43. (background on robust estimation applied to tree splitting criteria) DOI: 10.1002/wics.61 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Decision Tree (Outlier-Resistant Tree Induction). ScholarGate. https://scholargate.app/th/machine-learning/robust-decision-tree
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
- การเพิ่มกำลังการไล่ระดับสีที่ทนทาน (Robust Gradient Boosting)การเรียนรู้ของเครื่อง↔ compare
- Random Forest ที่ทนทานการเรียนรู้ของเครื่อง↔ compare