Jak funguje náhodný les a jak se trénuje v úloze klasifikace?

Náhodný les (Random Forest) je ensembleová metoda strojového učení, která vytváří mnoho rozhodovacích stromů a kombinuje jejich výsledky za účelem zvýšení přesnosti a stability modelu.

Struktura:

• Skládá se z velkého počtu rozhodovacích stromů.
• Každý strom je trénován na náhodném podmnožině původních dat (metoda bootstrap).
• Při stavbě stromu se na každém uzlu vybírá náhodná podmnožina znaků pro hledání nejlepšího rozdělení.

Trénink v úlohách klasifikace:

1. Náhodně se vybírá podmnožina dat s vracením (bootstrap vzorek).
2. Pro každý strom se na této podmnožině staví rozhodovací strom.
3. Při výběru rozdělení v uzlech stromu se zohledňuje pouze náhodná podmnožina znaků, což snižuje korelaci mezi stromy.
4. Po stavbě všech stromů se pro klasifikaci nového objektu provádí hlasování většinou: třída, kterou zvolí většina stromů, se stává konečnou předpovědí.

Tento přístup snižuje přeučení a zvyšuje schopnost generalizace modelu.