Random forest (RF), proposed by Bre

Random forest (RF), proposed by Breiman (2001), is a bagging based method for classification. It contains plenty of trees (500e2000), which are derived from bootstrapping and trained by a randomized subset of the predictors to generate an ensemble of classifiers. In RF, the classifying errors of certain permutation can be overcome by the ensemble of permutations.

ผลลัพธ์ (ไทย) 1:

สุ่มป่า (RF), นำเสนอ โดย Breiman (2001), วิธีเย็บถุงตามการจัดประเภทได้ ประกอบด้วยต้นไม้ (500e2000), ซึ่งมาจาก bootstrapping และฝึกฝนเพื่อสร้างความเพลิดเพลินของคำนามภาษาย่อย randomized ของ predictors ที่ มากมาย ใน RF ข้อผิดพลาดจัดประเภทของการเรียงสับเปลี่ยนบางอย่างสามารถเอาชนะ โดยวงดนตรีของสับ

ผลลัพธ์ (ไทย) 2:

ป่าสุ่ม (RF) ที่เสนอโดย Breiman (2001) เป็นวิธีการห่อที่ใช้สำหรับการจัดหมวดหมู่ มันมีความอุดมสมบูรณ์ของต้นไม้ (500e2000) ซึ่งจะได้มาจากความร่วมมือและการฝึกอบรมโดยการสุ่มย่อยของการพยากรณ์ในการสร้างชุดคำลักษณนาม ใน RF, ข้อผิดพลาดของการจำแนกประเภทของการเปลี่ยนแปลงบางอย่างที่สามารถเอาชนะโดยวงดนตรีของพีชคณิต

ผลลัพธ์ (ไทย) 3:

สุ่มป่า ( RF ) ที่เสนอโดย breiman ( 2001 ) เป็นถุงที่ใช้วิธีการในการจำแนก มันมีความอุดมสมบูรณ์ของต้นไม้ ( 500e2000 ) ซึ่งจะได้มาจาก Bootstrapping และการฝึกอบรมโดยแบ่งย่อยของตัวแปรที่จะสร้างชุดของคำ . ใน RF , การจำแนกข้อผิดพลาดบางการเปลี่ยนแปลงสามารถเอาชนะโดยวงดนตรีของกฎการสลับที่