Регуляризований випадковий ліс
Регуляризований випадковий ліс (RRF), представлений Денгом і Рангером у 2012 році, розширює стандартний випадковий ліс шляхом додавання штрафу, який перешкоджає розщепленню ознак, що ще не використовуються в ансамблі. Ця вбудована регуляризація створює більш розріджені, менш надлишкові підмножини ознак, що робить модель особливо цінною, коли відбір ознак є таким же важливим, як і прогнозна точність.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Regularized Random Forest (RRF). ScholarGate. https://scholargate.app/uk/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.
- Дерево рішеньМашинне навчання↔ compare
- Extra TreesМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- Регуляризоване дерево рішеньМашинне навчання↔ compare
- Регуляризований градієнтний бустингМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →