Random Forests: Sabedoria da Multidão
Uma única árvore de decisão é fácil de entender mas frágil, ela sofre overfitting facilmente e suas previsões podem variar muito com pequenas mudanças nos dados. Uma random forest corrige isso com uma ideia simples e poderosa: treine muitas árvores diferentes e deixe que elas votem.
Cada árvore na floresta é cultivada em uma amostra aleatória ligeiramente diferente dos dados e considera um subconjunto aleatório de features em cada divisão. Então cada árvore é um pouco diferente e comete erros diferentes. Quando você tira a média dos votos deles, os erros individuais tendem a se cancelar e as peculiaridades aleatórias desaparecem. Esta é a sabedoria da multidão: um grupo de adivinhadores diversos e imperfeitos geralmente vence qualquer especialista único.
from sklearn.ensemble import RandomForestClassifier
forest = RandomForestClassifier(n_estimators=50, random_state=0)
forest.fit(X_train, y_train)n_estimators é quantas árvores crescer (50 aqui). Mais árvores geralmente ajudam um pouco, até certo ponto, ao custo de velocidade. Como sempre, random_state=0 mantém o resultado reproduzível já que a amostragem da floresta é aleatória.
O benefício principal: uma floresta geralmente generaliza melhor do que uma única árvore, o que significa uma pontuação maior no conjunto de teste reservado. É um dos modelos prontos para uso mais confiáveis, e uma ótima opção padrão para escolher.
Você vai treinar uma decision tree simples e uma random forest no mesmo split, avaliar ambas no test set e confirmar que a forest performa pelo menos tão bem quanto.
Um conjunto de dados e uma divisão treino/teste são preparados. Treine tree = DecisionTreeClassifier(max_depth=3, random_state=0) e forest = RandomForestClassifier(n_estimators=50, random_state=0) nos dados de treino. Avalie ambos no conjunto test com accuracy_score, armazenando os resultados em tree_acc e forest_acc.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.