Mis on bias ja variance ning mida vähendatakse juhuslikus metsas?

Masinõppes:

• Bias (kalle) — see on viga, mis tekib liiga lihtsa mudeli tõttu, mis ei suuda hästi modelleerida tegelikku sõltuvust. Kõrge bias viib alakoormuseni.
• Variaatsioon (hajuvus) — see on mudeli tundlikkus treeningandmete muutustele. Kõrge variaatsioon tähendab, et mudel kohandub liiga palju andmete müra järgi, mis viib üleõppimiseni.

Juhuslik mets — see on hulgim otsustuspuud, mis on ehitatud juhuslike andmekogumite ja tunnuste põhjal. See vähendab hajuvust võrreldes ühe puuga, kuna prognooside keskmine vähendab juhuslike kõikumiste mõju andmetes, samal ajal kui bias jääb ligikaudu ühe puu tasemele või veidi suureneb.

Näide:

from sklearn.ensemble import RandomForestClassifier

# Juhuslik mets vähendab hajuvust keskmise arvutamise teel
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)