A medida que ML se está volviendo cada vez más popular y accesible, veo mucha investigación sobre algoritmos ampliamente utilizados como RF. A continuación se presentan algunos documentos que se publicaron en 2016:
- Elección del modelo de cálculo bayesiano aproximado a través de bosques aleatorios
- Los métodos aproximados de cálculo bayesiano (ABC) proporcionan un enfoque elaborado para la inferencia bayesiana en modelos complejos, incluida la elección del modelo. Sin embargo, tanto los argumentos teóricos como los experimentos de simulación indican que las probabilidades posteriores del modelo pueden ser mal evaluadas por las técnicas ABC estándar. Proponemos un enfoque novedoso basado en una herramienta de aprendizaje automático llamada bosques aleatorios para realizar la selección entre los modelos altamente complejos cubiertos por los algoritmos ABC. ( Fuente: https://www.researchgate.net/pro…)
- Bosques Neurales Aleatorios
- “Dado un conjunto de árboles de regresión aleatoria, es posible reestructurarlos como una colección de redes neuronales multicapa con pesos de conexión particulares. Siguiendo este principio, reformulamos el método de bosque aleatorio de Breiman (2001) en un entorno de red neuronal y, a su vez, proponemos dos nuevos procedimientos híbridos que llamamos bosques neuronales aleatorios ” (Fuente: https://arxiv.org/pdf/1604.07143 .pdf)
- La sensibilidad de los parámetros de los bosques aleatorios.
- Su popularidad ha ido en aumento, pero relativamente pocos estudios abordan el proceso de selección de parámetros: un paso crítico en el ajuste del modelo. Debido a numerosas afirmaciones con respecto a la fiabilidad del rendimiento de los parámetros predeterminados, muchos modelos de RF se ajustan utilizando estos valores. Sin embargo, todavía no se ha examinado a fondo la sensibilidad de los parámetros de los RF en los estudios genómicos computacionales. (Fuente: https: //bmcbioinformatics.biomed…)
- Se están explorando muchas aplicaciones diferentes, desde el diagnóstico de fallas en motores hasta los estudios del genoma, por ejemplo:
- r2VIM: un nuevo método de selección variable para bosques aleatorios en estudios de asociación de todo el genoma
- Un método de diagnóstico de fallas del rotor del motor basado en bosques aleatorios
- http://cid.oxfordjournals.org/co…
- http://biorxiv.org/content/biorx…
