las losowy
Sign in to saveAlso known as random forests, randomized trees, RF
metoda zespołowa uczenia maszynowego dla klasyfikacji, regresji i innych zadań, która polega na konstruowaniu wielu drzew decyzyjnych w czasie uczenia i generowaniu klasy, która jest dominantą klas lub przewidywaną średnią poszczególnych drzew
Research
50,085 papers- A review on longitudinal data analysis with random forest.Briefings in bioinformatics · 2023
- Development and testing of a random forest-based machine learning model for predicting events among breast cancer patients with a poor response to neoadjuvant chemotherapy.European journal of medical research · 2023
- Use and misuse of random forest variable importance metrics in medicine: demonstrations through incident stroke prediction.BMC medical research methodology · 2023
- Random forest-based simultaneous and proportional myoelectric control system for finger movements.Computer methods in biomechanics and biomedical engineering · 2023
- Prediction of Breast Cancer Through Random Forest.Current medical imaging · 2023
via PubMed
Wikidata facts
- Instance of
- algorithm
- Part of
- ensemble learning
Show 5 more facts
- inception
- 2001-00-00
- Commons category
- Random forest
- Stack Exchange tag
- stackoverflow.com/tags/random-forest
- discoverer or inventor
- Leo Breiman
via Wikidata · CC0
Article · Polski
Las losowy, losowy las decyzyjny – metoda zespołowa uczenia maszynowego dla klasyfikacji, regresji i innych zadań, która polega na konstruowaniu wielu drzew decyzyjnych w czasie uczenia i generowaniu klasy, która jest dominantą klas (klasyfikacja) lub przewidywaną średnią (regresja) poszczególnych drzew. Losowe lasy decyzyjne poprawiają tendencję drzew decyzyjnych do nadmiernego dopasowywania się do zestawu treningowego s. 587 i 588. Pierwszy algorytm losowych lasów decyzyjnych został stworzony przez Tin Kam Ho przy użyciu metody losowej podprzestrzeni, która w formule Ho jest sposobem na implementację podejścia „dyskryminacji stochastycznej” do klasyfikacji zaproponowanej przez Eugene'a Kleinberga. Rozszerzenie algorytmu zostało opracowane przez Leo Breimana i Adele Cutler, którzy zarejestrowali „Random Forests” jako znak towarowy (stan na 2019, należący do Minitab, Inc.). Rozszerzenie łączy pomysł baggingu (agregacji bootstrapa) Breimana i losowy wybór cech, wprowadzony po raz pierwszy przez Ho, a później niezależnie przez Amita i Gemana w celu skonstruowania zbioru drzew decyzyjnych o kontrolowanej wariancji.
Abstract from DBpedia / Wikipedia · CC BY-SA