How many tress in a random forest (2012)
- Authors:
- Autor USP: BARANAUSKAS, JOSÉ AUGUSTO - FFCLRP
- Unidade: FFCLRP
- DOI: 10.1007/978-3-642-31537-4
- Subjects: APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL
- Language: Inglês
- Imprenta:
- ISBN: 9783642315367
- Source:
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
OSHIRO, Thais Mayumi e PEREZ, Pedro Santoro e BARANAUSKAS, José Augusto. How many tress in a random forest. Machine learning and data mining in pattern recognition. Tradução . Berlim: Springer, 2012. . Disponível em: https://doi.org/10.1007/978-3-642-31537-4. Acesso em: 10 abr. 2026. -
APA
Oshiro, T. M., Perez, P. S., & Baranauskas, J. A. (2012). How many tress in a random forest. In Machine learning and data mining in pattern recognition. Berlim: Springer. doi:10.1007/978-3-642-31537-4 -
NLM
Oshiro TM, Perez PS, Baranauskas JA. How many tress in a random forest [Internet]. In: Machine learning and data mining in pattern recognition. Berlim: Springer; 2012. [citado 2026 abr. 10 ] Available from: https://doi.org/10.1007/978-3-642-31537-4 -
Vancouver
Oshiro TM, Perez PS, Baranauskas JA. How many tress in a random forest [Internet]. In: Machine learning and data mining in pattern recognition. Berlim: Springer; 2012. [citado 2026 abr. 10 ] Available from: https://doi.org/10.1007/978-3-642-31537-4 - An adaptation of binary relevance for multi-label classification applied to functional genomics
- Prediction of antimicrobial activity of synthetic peptides by a decision tree model
- An iterative decision tree threshold filter
- Aplicação de árvores de decisão em dados de expressão gênica de microarrays de DNA
- Uma avaliação de dados de expressão gênica em leucemias agudas utilizando árvores de decisão
- Sistema baseado em conhecimento para auxiliar no processo de alocacao de rins
- Avaliação do algoritmo de Stacking em dados biomédicos
- Evaluation of stacking on biomedical data
- Analysis of decision tree pruning using windowing in medical datasets with different class distributions
- Root attribute behavior within a random forest
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
