Bài giảng Học máy thống kê: Mô hình máy học kết hợp (Ensemble Learning) khám phá các kỹ thuật kết hợp nhiều mô hình học máy để đạt được hiệu suất tốt hơn. Chuyên đề này sẽ trình bày các phương pháp như Bagging, Pasting, Random Forests, Boosting và Stacking. Học các kỹ thuật này sẽ giúp bạn xây dựng các mô hình mạnh mẽ và bền vững hơn. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Trong nghiên cứu này, mô hình hồi quy rừng ngẫu nhiên (Breiman, 2001) được nghiên cứu để phân tích và lựa chọn tiêu chí dùng để dự đoán mức độ hài lòng của người dân tại vùng đồng bằng sông Hồng, sau đó mô hình hồi quy tuyến tính được sử dụng để tìm hệ số của phương trình hồi quy.

Lựa chọn và phân loại dữ liệu gen là bài toán điển hình của lớp bài toán lựa chọn đặc trưng cho dữ liệu có số chiều lớn và nhiều nhiễu. Bài viết đề xuất phương pháp đánh trọng số thuộc tính mới thay cho cách đánh trọng số thuộc tính của GRRF.

Nghiên cứu này so sánh hiệu suất của bốn mô hình học máy phổ biến: “Cây quyết định”, “Rừng ngẫu nhiên”, “Máy véctơ hỗ trợ”, và “Hồi quy logistic” trong việc đánh giá rủi ro tín dụng. Dữ liệu đã trải qua kiểm thử và phân tích cho thấy mô hình “Rừng ngẫu nhiên” vượt trội hơn so với các mô hình còn lại, với độ chính xác cao nhất là 93,22 %.

Bài viết Phát hiện mẫu bất thường cho trong doanh nghiệp bán lẻ bằng phân tích motif khai phá motif cho chuỗi thời gian và phát hiện bất thường bằng thuật toán học máy rừng ngẫu nhiên được đề xuất. Một mô hình xác định các mẫu hành vi gian lận và phân loại các đối tượng trong bài toán phát hiện bất thường ở cấp độ tài khoản được mô hình hoá.

Luận văn "Phát triển hệ thống dự đoán điểm thi tốt nghiệp của học sinh trung học phổ thông sử dụng kỹ thuật rừng ngẫu nhiên hồi quy" được hoàn thành với mục tiêu nhằm đề xuất một mô hình Random Forest Regression vào việc phân loại điểm tổng kết của học sinh, sử dụng kĩ thuật phân lớp. Xây dựng một hệ thống sử dụng mô hình đã được huấn luyện để tiên đoán ra điểm thi tốt nghiệp trung học phổ thông quốc gia, từ đó xây dựng một website có thể tiên đoán điểm thi tốt nghiệp trung học phổ thông quốc gia khi người dùng nhập điểm tổng kết các môn có liên quan đến kì thi.

Bài giảng Nhập môn Học máy và Khai phá dữ liệu - Chương 8: Cây quyết định và rừng ngẫu nhiên. Chương này cung cấp cho học viên những nội dung về: cây quyết định (Decision tree); biểu diễn cây quyết định; học cây quyết định bằng ID3; vài vấn đề trong ID3; cây quyết định cho hồi quy; rừng ngẫu nhiên (Random forests);... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Random forest regression cung cấp cho người học những kiến thức như: Tiền xử lý dữ liệu; Trực quan hóa dữ liệu; Random Forest; Huấn luyện mô hình; Trực quan hóa kết quả mô hình;...Mời các bạn cùng tham khảo!

Mục đích nghiên cứu của Luận văn này nhằm góp phần giúp cho người quản lý website đánh giá và ngăn ngừa được một số hình thức tấn công phổ biến, có thể đưa ra giải pháp tăng cường các lỗ hổng, nguy cơ tiềm ẩn. Mời các bạn cùng tham khảo!

Mục đích nghiên cứu của Luận văn này nhằm góp phần giúp cho người quản lý website đánh giá và ngăn ngừa được một số hình thức tấn công phổ biến, có thể đưa ra giải pháp tăng cường các lỗ hổng, nguy cơ tiềm ẩn. Mời các bạn cùng tham khảo!

Mục tiêu nghiên cứu của luận văn là tìm hiểu các thuật toán về lựa chọn thuộc tính trong bài toán phân loại như rừng ngẫu nhiên, rừng ngẫu nhiên có kiểm soát, rừng ngẫu nhiên điều hướng. Từ đó đề xuất một phương pháp cải tiến để nâng cao hiệu quả của thuật toán rừng ngẫu nhiên điều hướng.

Bài giảng Phương pháp nghiên cứu khoa học: Giải thuật rừng ngẫu nhiên xiên phân (RF-ODT) cho phân lớp dữ liệu có số chiều lớn giới thiệu chung, rừng ngẫu nhiên xiên phân (RF-ODT); kết quả thực nghiệm; hướng phát triển.