What is the translation of " RANDOM FOREST " in Vietnamese?

• random forest
• rừng ngẫu nhiên

Examples of using Random forest in English and their translations into Vietnamese

Random Forest is a supervised learning algorithm.
Random forests là một thuật toán supervised.

Goldman Sachs calculations also use the random forest method.
Tính toán của Goldman Sachs cũng sử dụng phương pháp rừng ngẫu nhiên.

A random forest is a collection of decision trees.
Rừng ngẫu nhiên chỉ đơn giản là một tập hợp các cây quyết định.

What kind of tree algorithm is the best for implementing a random forest and why?
Thuật toán xây dựng cây nào là tốt nhất để cài đặt random forest và tại sao?

For the World Cup, the random forest method is particularly suitable.
Đối với World Cup, phương pháp rừng ngẫu nhiên đặc biệt phù hợp.

Right now I am doing some problems on application of decision tree/random forest.
Tôi đang làm một số vấn đề về một ứng dụng của cây quyết định/ rừng ngẫu nhiên.

Also, Random Forest gives much more“accurate” results than k-nearest neighbors.
Bên cạnh đó, Random Forest còn cho kết quả chính xác hơn nhiều so với k- nearest neighbors.

At the end of the vote, the answer with the highest number of vote is selected by Random Forest.
Khi kết thúc việc bỏ phiếu, câu trả lời có lượng bỏ phiếu cao nhất, sẽ được chọn bởi Random Forest.

Random Forest is one of the most popular and most powerful machine learning algorithms.
Random Forest là một trong những thuật toán machine learning phổ biến nhất và mạnh nhất.

To create a decision tree, the Random Forest algorithm always starts with an empty decision tree.
Để tạo ra một cây quyết định, thuật toán Random Forest luôn bắt đầu bằng một cây rỗng.

In the next post, I will present a much younger, complex but powerful algorithm called Random Forest.
Trong bài viết tiếp theo, tác giả sẽ giới thiệu một thuật toán mới hơn, phức tạp và rất mạnh gọi là Random Forest.

By comparison, the random forest model correctly predicted about 64 percent of premature deaths, while the Cox model identified only about 44 percent.
Trong khi đó, mô hình random forest có tỷ lệ dự đoán đúng chỉ là 64% trường hợp tử vong sớm.

Though this can sometimes be alleviated using proper tree pruning and larger random forest ensembles.
Mặc dù điều này đôi khi có thể được giảm bớt bằng cách cắt tỉa cây thích hợp và các quần thể rừng ngẫu nhiên lớn hơn.

Random forest generates many times simple decision trees and uses the'majority vote' method to decide on which label to return.
Rừng ngẫu nhiên tạo ra nhiều cây quyết định đơn giản và sử dụng phương pháp‘ bỏ phiếu đa số' để quyết định nhãn nào sẽ trả lại.

In the next post, I will present a much younger, complex but powerful algorithm called Random Forest.
Trong bài viết sau, tôi sẽ giới thiệu thêm về thuật toán mới hơn, phức tạp và mạnh mẽ hơn, với tên gọi là“ Random Forest”.

Using larger random forest ensembles to achieve higher performance comes with the drawbacks of being slower and requiring more memory.
Sử dụng các nhóm rừng ngẫu nhiên lớn hơn để đạt được hiệu suất cao hơn đi kèm với những hạn chế là chậm hơn và đòi hỏi nhiều bộ nhớ hơn.

We couldn't get the accuracy of the same order when we tried to grid search over parameters of a random forest algorithm.
Chúng tôi không thể có được độ chính xác của cùng một thứ tự khi chúng tôi cố gắng tìm kiếm lưới trên các tham số của thuật toán rừng ngẫu nhiên.

Random Forest and Support Vector Machine, had a higher error rate of 0.646 and 0.604, respectively, compared to the new program which had a low error rate of 0.265.
Chương trình Random Forest và Support Vector Machine có tỉ lệ lỗi tổng thể là 0,646 và 0,604, trong khi chương trình mới có tỉ lệ lỗi là 0,265.

For the current study, Weng and team developed a system of learning algorithms using two models called"random forest" and"deep learning.".
Đối với nghiên cứu hiện tại, Weng và nhóm đã phát triển một hệ thống các thuật toán học tập bằng hai mô hình gọi là“ rừng ngẫu nhiên” và“ học sâu”.

The Random Forest and Support Vector Machine methods had an overall error rate of 0.646 and 0.604 respectively, while CancerLocator obtained a lower error rate of 0.265.
Chương trình Random Forest và Support Vector Machine có tỉ lệ lỗi tổng thể là 0,646 và 0,604, trong khi chương trình mới có tỉ lệ lỗi là 0,265.

During the current on-going study, Weng and his team developed a system of learning algorithms using two models called“random forest” and“deep learning.”.
Đối với nghiên cứu hiện tại, Weng và nhóm đã phát triển một hệ thống các thuật toán học tập bằng hai mô hình gọi là“ rừng ngẫu nhiên” và“ học sâu”.

For example: You might quickly understand how does a random forest work, but understanding the logic behind it's working would require extra efforts.
Ví dụ: Bạn có thể hiểu rất nhanh cách làm một công việc rừng ngẫu nhiên như thế nào thế nhưng để hiểu được một cách logic đằng sau nó làm việc sẽ cần thêm rất nhiều nỗ lực.

The Random Forest and Support Vector Machine methods had an overall error rate(the chance that the test produces a false positive) of 0.646 and 0.604 respectively, while the new program obtained a lower error rate of 0.265.
Chương trình Random Forest và Support Vector Machine có tỉ lệ lỗi tổng thể là 0,646 và 0,604, trong khi chương trình mới có tỉ lệ lỗi là 0,265.

By“accurate” I mean that when scientists test the algorithm(including the Iris dataset), the Random Forest algorithm gives more often the good answer than the k-nearest neighbors.
Nhắc đến” độ chính xác”, có nghĩa là khi các nhà khoa học kiểm thử thuật toán( bao gồm cả Iris dataset), thì Random Forest đưa ra nhiều câu trả lời chính xác hơn k- nearest neighbors.

Random forest is a tweak on this approach where decision trees are created so that rather than selecting optimal split points, suboptimal splits are made by introducing randomness.
Random forest là một sự tinh chỉnh trên phương pháp tiếp cận này, nơi các decision trees được tạo ra để thay vì chọn các điểm phân chia tối ưu, việc phân chia tối ưu được thực hiện bằng cách đưa ra sự ngẫu nhiên.

To evaluate the likelihood of subjects' premature mortality, the researchers tested two types of AI:“deep learning,” in which layered information-processing networks help a computer to learn from examples; and“random forest,” a simpler type of AI that combines multiple, tree-like models to consider possible outcomes.
Để đánh giá khả năng tử vong sớm của các đối tượng, các nhà nghiên cứu đã thử nghiệm hai loại AI, một là" deep learning" trong đó các mạng xử lý thông tin xếp lớp giúp máy tính học hỏi từ các ví dụ và" random forest", một loại AI đơn giản hơn kết hợp nhiều mô hình giống như cây để xem xét các kết quả có thể xảy ra.

The new computer program, and two other methods, called Random Forest and Support Vector Machine, were tested with blood samples from 29 liver cancer patients, 12 lung cancer patients and 5 breast cancer patients.
Nhóm nghiên cứu đã sử dụng chương trình máy tính mới và hai chương trình khác-- Random Forest và Support Vector Machine- để kiểm tra các mẫu máu từ 29 bệnh nhân ung thư gan, 12 bệnh nhân ung thư phổi và 5 bệnh nhân ung thư vú.

The researchers used the new model to train random forest decision models that can predict if there's a need for advanced care among the overall patient population and those at higher risk of depression-related adverse events.
Các nhà nghiên cứu đã sử dụng mô hình mới để đào tạo các mô hình random forest decision có thể dự đoán liệu có cần chăm sóc nâng cao trong toàn bộ bệnh nhân và những người có nguy cơ cao bị các ảnh hưởng tiêu cực liên quan đến trầm cảm hay không.