random forests | BriefGPT - AI 论文速递

关键词random forests

搜索结果 - 82

基于纹理特征分析的 mpMRI 早期前列腺癌分类
磁共振成像（MRI）是诊断和分期前列腺癌的关键工具，但也产生了大量数据，必须由经过训练的专家评估，这是一项耗时且繁琐的任务。因此，已经开发了基于多种 MRI 模态（T2W、ADC 和高 b 值 DWI）的前列腺癌（PCa）风险分类自动化的机
PDF13 days ago
隐变量未被随机森林观察到
通过修改树的分割方式，相对传统的随机森林算法和极端随机树算法，提高了模型在纯互作用关系占主导地位的场景中的拟合能力。
PDF15 days ago
用于可解释无监督树集合的特征图：中心性、交互性及在疾病亚型划分中的应用
在医疗保健等高风险领域中，可以理解模型预测原理同实现高预测准确性一样重要的可解释机器学习已成为利用人工智能的核心。本研究引入了从非监督随机森林构建特征图的新方法和通过这些图派生有效特征组合的特征选择策略，通过在整个数据集和个别聚类上构造特征
PDF2 months ago
利用气象再分析数据对高物体上行闪电进行时空风险评估
通过应用随机森林机器学习算法分析上升闪电的测量数据与 35 个大尺度气象变量之间的关系，这项研究评估了东阿尔卑斯山及其周边地区上升闪电的风险，发现大尺度上行速度、风速和方向以及云物理变量对上升闪电风险评估贡献最大，并预测了研究区域每平方公里
PDF4 months ago
移植：使随机森林一致
本文探讨了将一致性估算器嫁接到浅层 CART 中的适用性，证明了该方法在理论上具有一致性保证并在实证研究中表现良好。
PDF4 months ago
随机森林和过拟合的理解：可视化和仿真研究
随机森林被用于临床风险预测模型，本研究以卵巢恶性肿瘤预测为案例，通过三个真实案例和一个模拟研究，通过二维分布热图和训练数据的概率峰值将风险估计进行可视化，模拟研究结果表明随机森林模型学习到训练集中的概率峰值，训练集上的 c-statisti
PDF4 months ago
利用随机森林探测弱信号和提取物理信息的研究：以磁导航为例
利用机器学习的多种模型，如储备计算、时延前馈神经网络和随机森林，可以在复杂环境下检测地球的异常磁场，并提高导航精度。
PDF4 months ago
随机化可以降低偏差和方差：随机森林的案例研究
我们研究了随机森林相对于 bagging 方法减少偏差的现象，并通过实证研究发现在数据中存在模式时，随机森林在高信噪比情况下减少了偏差和方差，并优于 bagging 方法。对于随机森林中的随机性注入和参数调整也提供了实用的洞见。
PDF4 months ago
自适应分割平衡优化随机森林
本研究介绍了自适应分割平衡森林（ASBF）方法，能够在同时达到 Lipschitz 类的极小极值优化和 H"older 类的极小速率优化的条件下，从数据中学习树的表示。通过平衡修改现有方法，我们进一步提出了一种局部化版本来利用更高阶的平滑水
PDF5 months ago
通过森林修剪提高随机森林的准确性和可解释性
通过提出两种森林修剪方法，我们的研究旨在实现既有随机森林的准确性又具有决策树的解释性，通过在给定随机森林中找出最佳子森林，再将选定的树组合在一起，实验证明我们的方法在准确性和所使用的树的数量方面优于当前先进的森林修剪方法。
PDF6 months ago
元森林：元学习下的随机森林域泛化
提出了一种名为 “meta-forests” 的新颖领域泛化算法，通过引入元学习策略和最大均值差异度量，来增强分类器的泛化能力，减少树之间的相关性并增强其强度。结果表明，meta-forests 在对象识别和葡萄糖监测数据集的泛化性能方面优
PDF6 months ago
利用 Random Forests 集合对融合的 Sentinel-1 和 Sentinel-2 影像进行土地利用 / 土地覆盖分类
该研究通过合成孔径雷达（SAR）和可见 - 近红外 - 短波红外（VNIR-SWIR）成像技术，对土地利用 / 土地覆盖（LULC）分类进行了协同组合的探索，旨在研究这种融合对 LULC 分类的影响。研究通过集成随机森林（RFE）的方法，引
PDF7 months ago
随机森林稳定性及随机森林预测区间覆盖率
我们证明了在 $Y^2$ 没有重尾的温和条件下，随机森林的稳定性，并使用这一性质证明了从随机森林的袋外误差构建的预测区间的非渐进覆盖概率的下界。我们还讨论了在比先前文献中考虑的条件更弱的假设下的渐近覆盖概率。我们的工作表明，随机森林具有稳定
PDF8 months ago
智能电网中太阳辐射预测的机器学习算法比较分析
利用机器学习算法如随机森林、极端梯度提升、轻量级梯度提升机、CatBoost 和多层感知器人工神经网络来预测太阳辐照度，并通过特征选择进一步提高预测性能。
PDF8 months ago
基于集成的贝叶斯神经网络和传统机器学习算法的混合优化
通过将贝叶斯神经网络与传统机器学习算法（如随机森林、梯度提升、支持向量机）协同集成的一种新方法，强调了特征集成在优化中的重要性，包括优化的二阶条件，如哈西矩阵的定态性和正定性。与此相反，超参数调整对于改善预期改进（EI (x)）的影响有所削
PDF9 months ago
通过分子指纹组合进行 ADMET 性质预测
通过使用随机森林或支持向量机等与扩展连通性指纹 (ECFP) 相结合的方法，我们发现这些方法在预测小分子效能方面始终表现优于最近开发的方法。进一步研究回归算法和分子指纹发现，梯度提升决策树（尤其是 CatBoost），结合 ECFP、Ava
PDF9 months ago
随机森林中超参数对变量选择的影响
随机森林 (RF) 在高维物质研究中的预测建模和变量选择方面具有很好的适用性。超参数在 RF 算法对预测性能和变量重要性估计的影响已被研究，然而，超参数对基于 RF 的变量选择的影响尚不清楚。本文使用理论分布和实验基因表达数据进行两个模拟研
PDF10 months ago
双曲随机森林
通过使用水平面将随机森林推广到双曲空间，使用大边际分类器找到候选分割，再结合子类最低共同祖先和类平衡的大边际损失方法，可以解决多类数据和不平衡实验问题，并且在标准和新的基准测试中表现优于传统随机森林算法和最近双曲分类器。
PDF10 months ago
局部自适应的可微回归
通过在对应的局部区域中基于局部学习模型的加权平均构建全局连续和可微模型的一般框架，我们在处理具有不同密度或不同局部区域功能值范围的数据方面取得了竞争优势，并且通过在局部模型中混合核脊回归和多项式回归项并连续地拼接它们，我们在理论上实现了更快
PDFa year ago
MDI+: 一种基于随机森林的灵活特征重要性框架
本文介绍了一种名为 MDI + 的灵活的特征重要性框架，它使用广义线性模型（GLMs）和更适合给定数据结构的度量衡，并结合了额外的功能来缓解对加性或平滑模型的预测的已知偏差。经过广泛的基于数据的模拟和实际案例研究，并将 MDI + 应用于药
PDFa year ago