Originalarbeiterreichbar
Random Forests
link.springer.com (externe Seite)
Leo Breiman beschreibt 2001, wie viele einzelne Entscheidungsbäume zu einem Verfahren zusammengefasst werden, das genauer urteilt als jeder von ihnen. Die Arbeit nennt die beiden Größen, an denen der Fehler hängt, und einen Nebeneffekt, der das Verfahren bis heute im Einsatz hält: Es beziffert selbst, welche Merkmale zählen. Der Satz zum Vergleich mit Adaboost ist wegen der Zeichen darin nicht zitierfähig.
geprüft 24.09.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 05.09.2026:
Random forests are a combination of tree predictors such that each tree depends on the values of a random vector sampled independently and with the same distribution for all trees in the forest.
bestätigt 24.09.2026The generalization error of a forest of tree classifiers depends on the strength of the individual trees in the forest and the correlation between them.
bestätigt 24.09.2026Internal estimates are also used to measure variable importance.
bestätigt 24.09.2026