Rastgele Ormanlar: Kalabalığın Bilgeliği
Tek bir karar ağacını anlamak kolaydır ama kırılgandır, kolayca aşırı öğrenme yapar ve tahminleri küçük veri değişiklikleriyle çok değişebilir. random forest bunu basit ve güçlü bir fikirle çözer: birçok farklı ağaç eğit ve onların oy vermesini sağla.
Ormandaki her ağaç verinin biraz farklı rastgele bir örneği üzerinde büyür ve her bölünmede özelliklerin rastgele bir alt kümesini dikkate alır. Bu yüzden her ağaç biraz farklıdır ve farklı hatalar yapar. Onların oylarını ortaladığında, bireysel hatalar birbirini götürme eğilimindedir ve rastgele tuhaflıklar silinip gider. Bu kalabalığın bilgeliğidir: Çeşitli ve kusurlu tahmincilerden oluşan bir grup genellikle herhangi bir tek uzmandan daha iyi sonuç verir.
from sklearn.ensemble import RandomForestClassifier
forest = RandomForestClassifier(n_estimators=50, random_state=0)
forest.fit(X_train, y_train)n_estimators yetiştirilecek ağaç sayısını belirtir (burada 50). Daha fazla ağaç genellikle bir noktaya kadar hızı feda ederek biraz yardımcı olur. Her zaman olduğu gibi, random_state=0 ormanın örneklemesi rastgele olduğu için sonucun tekrarlanabilir kalmasını sağlar.
Ana avantaj: bir orman genellikle daha iyi genelleştirir tek bir ağaçtan, bu da ayrılmış test setinde daha yüksek bir puan anlamına gelir. En güvenilir hazır modellerden biridir ve başvurulacak harika bir varsayılandır.
Aynı bölme üzerinde bir düz karar ağacı ve bir random forest eğiteceksin, her ikisini de test seti üzerinde puanlayacaksın ve forestun en az onun kadar iyi performans gösterdiğini doğrulayacaksın.
Bir veri seti ve train/test ayrımı hazırlandı. Eğitim verileri üzerinde tree = DecisionTreeClassifier(max_depth=3, random_state=0) ve forest = RandomForestClassifier(n_estimators=50, random_state=0) eğit. Her ikisini accuracy_score ile test seti üzerinde puanla, sonuçları tree_acc ve forest_acc içine kaydet.
Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor
Bu alıştırma yakında açılacak
Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.