Machine learning

Rừng ngẫu nhiên

Rừng ngẫu nhiên là một phương pháp học tập tập hợp, được Leo Breiman giới thiệu vào năm 2001, phương pháp này phát triển nhiều cây quyết định trên các mẫu bootstrap của dữ liệu và kết hợp các phiếu bầu của chúng để tạo ra phân loại và hồi quy mạnh mẽ. Bằng cách gộp nhiều cây hơi khác nhau, nó tạo ra các dự đoán chính xác và ổn định hơn bất kỳ cây đơn lẻ nào.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Method map

The neighbourhood of related methods — select a node to explore.

Rừng ngẫu nhiên

Cây Quyết định Hồi quy Logistic Máy Vectơ Hỗ trợ (Phân l…XGBoost Cây quyết định học chủ đ…Gradient Boosting Học Ch…LightGBM Học Chủ Động Hồi quy Tuyến tính Học c…Hồi quy Logistic Học Chủ…Support Vector Machine h…

+127 more

Nguồn tài liệu

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

Cách trích dẫn trang này

ScholarGate. (2026, June 1). Random Forest (Breiman Ensemble of Decision Trees). ScholarGate. https://scholargate.app/vi/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.

Cây Quyết địnhHọc máy↔ compare
Hồi quy LogisticThống kê nghiên cứu↔ compare
Máy Vectơ Hỗ trợ (Phân loại)Học máy↔ compare
XGBoostHọc máy↔ compare

Compare side by side →

Được tham chiếu bởi

Cây quyết định học chủ động Gradient Boosting Học Chủ Động LightGBM Học Chủ Động Hồi quy Tuyến tính Học chủ động Hồi quy Logistic Học Chủ động Support Vector Machine học chủ động AdaBoost Cơ chế chú ý (Attention Mechanism)Bagging (Bootstrap Aggregating)Ensemble Bagging Bagging Bayes Cây Quyết định Bayes K-Hàng xóm gần nhất Bayes Bayesian LightGBM Rừng ngẫu nhiên Bayes (Bayesian Random Forest)XGBoost Bayes Tinh chỉnh BERT RNN hai chiều Boosting Mạng Capsule CatBoost Phân loại ảnh bằng CNN Mạng nơ-ron tích chập (Phân loại)DBSCAN Cây Quyết định Học tăng cường sâu DeepAR Lập bản đồ đất số CNN giãn nở Học máy kép Elastic Net Học tăng cường tập thể Thuật toán Ensemble Apriori Cây quyết định tổ hợp Mô hình hỗn hợp Gaussian tổ hợp Hồi quy Gaussian theo tập hợp Gradient Boosting Rừng cô lập tổ hợp K-Hàng xóm Gần nhất Tổng hợp Hồi quy Tuyến tính Tổng hợp Hồi quy Logistic Tổ hợp Học đo lường tập thể Naive Bayes Tổ hợp Học trực tuyến tập thể Học Tăng Cường Tự Giám Sát Máy học vectơ hỗ trợ tổ hợp Học chuyển giao tổ hợp Cây quyết định giải thích được Extra Trees có thể Giải thích Gradient Boosting Giải thích được Explainable K-Means K-Lân Cận Gần Nhất Có Thể Giải Thích LightGBM Có Thể Giải Thích Mạng Perceptron Đa Lớp Giải Thích Được Naive Bayes Giải thích được Rừng ngẫu nhiên có thể giải thích Explainable Stacking Ensemble XGBoost có thể giải thích Extra Trees Quá trình Gauss Rừng ngẫu nhiên có trọng số địa lý Tinh chỉnh GPT Gradient Boosting Mạng Hồi quy Đồ thị (Graph Attention Network - GAT)Mạng nơ-ron đồ thị Mạng nơ-ron tái phát có cổng (Gated Recurrent Unit - GRU)Informer Isolation Forest Phân cụm K-Means K-Nearest Neighbors Chưng cất tri thức Lan truyền nhãn LightGBM LIME: Giải thích Mô hình Cục bộ Có thể Diễn giải và Độc lập Mô hình Phân tích biệt số tuyến tính (LDA)Hồi quy tuyến tính (ML)Hồi quy Logistic (ML)Longformer / BigBird LoRA và PEFT LSTM Nghiên cứu liên kết toàn bộ bộ gen về biểu sinh có hỗ trợ học máy (ML-EWAS)GWAS hỗ trợ bởi Học máy Phân tích chuyển hóa hỗ trợ bởi học máy Phân tích Đa dạng Hệ Vi sinh Vật được Hỗ trợ bởi Học Máy Phân tích làm giàu đường dẫn hỗ trợ bởi Học máy Phân tích biểu hiện gen khác biệt RNA-seq có hỗ trợ học máy Bỏ phiếu Đa số Mixture of Experts Perceptron đa lớp (MLP)Multilayer Perceptron (MLP)Hồi quy Logistic Đa thức N-BEATS N-HiTS Naive Bayes Tìm kiếm Kiến trúc Mạng Nơ-ron Neural ODE Bao gói Trực tuyến Rừng Ngẫu nhiên Trực tuyến PatchTST Phân loại ảnh dựa trên điểm ảnh Cây quyết định chính quy hóa Rừng ngẫu nhiên được điều chuẩn Tập hợp Stacking được Điều chuẩn hóa Bagging Mạnh mẽ (Robust Bagging)Cây quyết định mạnh mẽ Khuếch đại Gradient Mạnh mẽ Robust LightGBM Rừng Ngẫu nhiên Mạnh mẽ Robust Stacking Ensemble Tập hợp bỏ phiếu mạnh mẽ Tự chú ý đa đầu Cây quyết định tự giám sát Tăng cường Gradient Tự giám sát Rừng Ngẫu nhiên Tự giám sát Self-supervised Stacking Ensemble Bagging Bán Giám Sát Cây Quyết định Bán Giám sát FP-growth bán giám sát Isolation Forest Bán Giám Sát Random Forest Bán Giám Sát Semi-supervised Stacking Ensemble (Tăng cường xếp chồng bán giám sát)Máy học bán giám sát với máy vector hỗ trợ XGBoost bán giám sát Mô hình Sequence-to-Sequence (Seq2Seq)SHAP (SHapley Additive exPlanations)Stacking Tối ưu hóa Gradient Ngẫu nhiên (Stochastic Gradient Descent - SGD)Máy Vectơ Hỗ trợ (Phân loại)Temporal Fusion Transformer TextCNN Transformer (NLP)UMAP Transformer Thị giác Học tương phản hình ảnh Voting Ensemble XGBoost

Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →