The present study aims to explore the utilization of a depression symptom database, employing classical machine learning techniques, with a focus on the Random Forest algorithm alongside other methodologies, to assess and diagnose stress levels.

This paper aims to enhance computational performance for behavior prediction of tri-directional functionally graded plates using ensemble learning methods such as random forest, extreme gradient boosting, and light gradient boosting machine. Furthermore, the effectiveness of these methods is verified by comparing their results with those of artificial neural networks.

Trong nghiên cứu này, ba phương pháp: K-Nearest Neighbors (KNN), Linear Regression (LR) và Random Forest Regression (RFR), được sử dụng để phân tích độ tin cậy, tính chính xác của từng phương pháp. Trạm thủy văn Cần Thơ (trên sông Hậu) được sử dụng để dự báo mực nước trong vòng 6 tháng để làm rõ ưu điểm và hạn chế của các phương pháp, khẳng định tính khả thi và hiệu quả của Machine Learning trong quản lý tài nguyên nước.

Recently, machine learning (ML) algorithms have proven to be highly effective tools for predicting structural damage. However, the data used in structural health monitoring often consists primarily of normal operational conditions or slight deviations from the original state, with a scarcity of data representing potentially dangerous conditions.

Customer Churn is now becoming a significant problem in the banking sector. It is necessary to seek solutions to predict the rate of customer churn in banks; however, the dataset for customer churn prediction in banks is imbalanced. In this paper, Random Forest (RF) based on two popular resampling techniques, named SMOTE and ADASYN, are used to obtain a banking customer churn prediction model.

This study aims to compare the performance of two models: Random Forest (RF) and Decision Tree (DT). By evaluating their accuracy and efficiency in predicting the Poisson coefficient, this study seeks to determine which model offers superior performance and robustness for this application.

This article uses Random Forest (RF) and k-fold cross-validation to predict the hourly count of rental bikes (cnt/h) in the city of Seoul (Korea) using information related to rental hour, temperature, humidity, wind speed, visibility, dewpoint, solar radiation, snowfall, and rainfall.

In this study, the Machine Learning (ML) approach has been adopted using Random Forest (RF) model to estimate the CBR of the soil based on 10 input parameters such as Plasticity Index (PI), Liquid Limit (LL), Silt Clay content (SC), Fine Sand content (FS), Coarse sand content (CS), Optimum Water Content (OWC), Organic content (O), Plastic Limit (PL), Gravel content (G), and Maximum Dry Density (MDD), which can be easily determined in the laboratory.

Predicting the macroscopic permeability of porous media is critical in various scientific and engineering applications. This study proposes a novel model that combines Random Forest (RF) and rime-ice (RIME) optimization algorithm, denoted RIME-RF-RIME, to predict permeability based on six key features covering fluid phase dimensions, geometric characteristics, surrounding phase permeability, and media porosity.

Bệnh tim mạch (CVD) đã cướp đi khoảng 19,1 triệu người, chiếm 33% số ca tử vong toàn cầu vào năm 2022 (theo thống kê của WHO). Trong nghiên cứu này, nhóm tác giả sử dụng kỹ thuật máy học có giám sát xây dựng mô hình hỗ trợ chẩn đoán bệnh tim mạch dựa trên một số triệu chứng cận lâm sàng trong hai tệp dữ liệu.

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!

Luận văn đã đóng góp cho thấy việc có thể áp dụng thuật toán fuzzy random forest vào bài toán phân lớp xâm nhập mạng đem lại hiệu quả nhất định. Giới thiệu lại các thuật toán học máy cơ bản như fuzzy decision tree, random forest. Mời các bạn cùng tham khảo.

Đề tài nghiên cứu về khai phá dữ liệu, phân lớp dữ liệu và Random Forest; ứng dụng để khai phá dữ liệu sinh viên, qua đó tư vấn chọn lộ trình học trong học chế tín chỉ phù hợp cho sinh viên để đạt được kết quả tốt. Mời các bạn cùng tham khảo.