Kuidas töötab juhuslik mets ja kuidas see klassifikatsiooni ülesandes treenitakse?

Juhuslik mets (Random Forest) on ansamblmeetod masinõppes, mis ehitab mitu otsustuspuud ja ühendab nende tulemusi, et parandada mudeli täpsust ja stabiilsust.

Struktuur:

• Koosneb suurest arvust otsustuspuudest.
• Iga puu treenitakse juhusliku alamhulga põhjal algandmetest (bootstrap meetod).
• Puu ehitamisel valitakse iga sõlme juures juhuslikult alamhulk tunnustest, et leida parim jagunemine.

Treening klassifikatsioonülesannetes:

1. Valitakse juhuslikult andmete alamhulk tagasipööramisega (bootstrap näide).
2. Iga puu jaoks ehitatakse otsustuspuu selle alamhulga põhjal.
3. Jagunemisel sõlmedes arvestatakse ainult juhuslikku tunnuste alamhulka, mis vähendab puudevahelist korrelatsiooni.
4. Pärast kõigi puude ehitamist toimub uue objekti klassifikatsiooniks enamushäälteen: enamus puude poolt valitud klass muutub lõplikuks prognoosiks.

See lähenemine vähendab üleõppimist ja suurendab mudeli üldistamisvõimet.