Povězte mi o RandomForest: jak je uspořádán, čím se liší od běžného baggingu stromů.

RandomForest je ensemble metoda strojového učení, která vytváří více rozhodovacích stromů a kombinuje jejich předpovědi ke zlepšení kvality a stability modelu.

Hlavní vlastnosti RandomForest:

• Každý strom je trénován na náhodném podvzorku původních dat s vracením (bagging).
• Při stavbě každého stromu se na každém uzlu vybírá náhodný podmnožina znaků, ze které je vybrán nejlepší pro rozdělení.

Rozdíly od klasického baggingu stromů:

• V klasickém baggingu jsou stromy stavěny na náhodných podvzorcích dat, ale při výběru znaku pro rozdělení se používá celý soubor znaků.
• V RandomForest je dále zaváděna náhodnost při výběru znaků na každém uzlu, což snižuje korelaci mezi stromy a zvyšuje schopnost generalizace.

Příklad v Pythonu s použitím sklearn:

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(n_estimators=100, max_features='sqrt')
model.fit(X_train, y_train)
predictions = model.predict(X_test)

Zde parametr max_features='sqrt' určuje náhodný podmnožinu znaků pro každé rozdělení.