Random Forest: Diferenzas entre revisións

'''''Random Forest''''' é un metaalgoritmo de [[aprendizaxe automática]] (Machine Learning) deseñado como unha modificación substancial da idea de empaquetado (bagging) que constrúe unha gran colección de ''árbores'' sen correlación para posteriormente calcular a súa [[Media (matemáticas) | media]]. Para a súa aplicación na maioría de problemas, a resolutividade do ''Random Forest'' é similar á do algoritmo de empaquetado, coa suma de que son máis sinxelos de adestrar e parametrizar. Como consecuencia, a súa popularidade é alta e desenvólvense en multitude de módulos de aprendizaxe automática. <ref>{{Cita libro |título= The Elements of Statistical Learning |nome=Trevor |nome2= Robert |apelidos= Hastie |apelidos2=Tibshirani |ano= 2001|editorial= Springer}}</ref>

''Random Forest'' introduciuse baixo está definición por [[Leo Breiman]] en [[2001]], aínda que a maioría das ideas presentábanse dispersas na literatura con anterioridade. Notabelmente [[Tin Kam Ho]] en [[1995]] introduciu o termo, e usouno parcialmente sobre subconxuntos aleatorios de características atopadas en común nun conxunto de datos.

[[Jerome H. Friedman]] en [[2007]] probou que incrementando e calculando a media de mostras de tamaño <math>N/2</math> aproxímase (en consideracións de bias e varianza) á idea de empaquetado, así como usar mostras menores que N reduce a varianza aínda máis (a través do proceso de decorrelación).

* [[http://math.usu.edu/adele/forests/, Implementación libre online do software para Random Forest]]