Rừng Ngẫu nhiên Mạnh mẽ
Rừng Ngẫu nhiên Mạnh mẽ mở rộng Rừng Ngẫu nhiên tiêu chuẩn bằng cách tích hợp các cơ chế giảm ảnh hưởng của các điểm ngoại lai, nhiễu nhãn và các quan sát bị hỏng. Thay vì coi tất cả các mẫu huấn luyện như nhau, nó áp dụng các chiến lược trọng số hoặc lọc để các mẫu nhiễu hoặc bất thường đóng góp ít hơn vào các lần chia cây riêng lẻ, mang lại các dự đoán vẫn đáng tin cậy ngay cả khi chất lượng dữ liệu không hoàn hảo.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Nguồn tài liệu
- Chen, S., & Guestrin, C. (2019). Robust Random Forest. In Proceedings of the 36th International Conference on Machine Learning (ICML). Also see: Gao, W., & Zhou, Z.-H. (2013). On the Doubt about Margin Explanation of Boosting. Artificial Intelligence, 203, 1–18. link ↗
- Random Forest. Wikipedia. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Robust Random Forest (Noise-Tolerant Ensemble of Decision Trees). ScholarGate. https://scholargate.app/vi/machine-learning/robust-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.
- Bagging (Bootstrap Aggregating)Học máy↔ compare
- Cây Quyết địnhHọc máy↔ compare
- Gradient BoostingHọc máy↔ compare
- Isolation ForestHọc máy↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →