<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
    <channel>
        <title>Random-Forest - Nhãn - NZQIRC</title>
        <link>https://nzqirc.xyz/tags/random-forest/</link>
        <description>Random-Forest - Nhãn - NZQIRC</description>
        <generator>Hugo -- gohugo.io</generator><language>vi</language><copyright>This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.</copyright><lastBuildDate>Sun, 30 Aug 2026 14:00:00 &#43;0700</lastBuildDate><atom:link href="https://nzqirc.xyz/tags/random-forest/" rel="self" type="application/rss+xml" /><item>
    <title>Random Forest: Khi nhiều cây quyết định cùng bỏ phiếu</title>
    <link>https://nzqirc.xyz/posts/math/stats/random-forest/</link>
    <pubDate>Sun, 30 Aug 2026 14:00:00 &#43;0700</pubDate>
    <author>Du Mã</author>
    <guid>https://nzqirc.xyz/posts/math/stats/random-forest/</guid>
    <description><![CDATA[<p>Một <a href="https://nzqirc.xyz/posts/math/stats/decision-tree/" rel="">cây quyết định (Decision Tree)</a> có cách suy luận dễ theo dõi: đặt một câu hỏi về dữ liệu, chia các quan sát thành hai nhóm, rồi lặp lại. Tuy nhiên, cây có thể khá <strong>nhạy với dữ liệu huấn luyện</strong>. Chỉ vài quan sát thay đổi cũng có thể làm phép chia gần gốc đổi chỗ, kéo theo một cấu trúc cây khác.</p>
<p><strong>Rừng ngẫu nhiên (Random Forest)</strong> xử lý điểm yếu ấy bằng một ý tưởng đơn giản: tạo nhiều cây hơi khác nhau rồi gộp dự đoán của chúng. Mỗi cây được huấn luyện trên một mẫu bootstrap, đồng thời chỉ được xét một tập con ngẫu nhiên của các đặc trưng tại mỗi nút. Với bài toán phân loại, các cây bỏ phiếu; với bài toán hồi quy, ta lấy trung bình các dự đoán.</p>]]></description>
</item>
</channel>
</rss>
