Milyen paraméterek módosíthatók a véletlen erdőben, és hogyan befolyásolják a mélység és a fák száma?

Egy véletlenszerű erdőben több kulcsfontosságú paraméter módosítható:

• Fák száma (n_estimators): növeli az erdőben lévő fák számát. Több fa általában javítja a modell stabilitását és pontosságát, de növeli a tanulási időt.

• A fák maximális mélysége (max_depth): korlátozza minden fa mélységét. Egy kisebb mélység segít elkerülni a túlillesztést, de túl kicsi esetén alulillesztést okozhat.

• Minimális mintaszám egy csomópont felosztásához (min_samples_split) és egy levélhez (min_samples_leaf): befolyásolják a fák szerkezetét, és segítenek ellenőrizni a túlillesztést.

• Maximális jellemzők száma felosztáshoz (max_features): befolyásolja a fák sokféleségét és általánosító képességét.

A mélység és a fák száma hatása:

• A fák mélysége szabályozza minden fa összetettségét. A mély fák megtanulhatják a zajt az adatokban (túlillesztés), míg a sekély fák nem ragadják meg a komplex függőségeket (alulillesztés).

• A fák száma befolyásolja a modell stabilitását és pontosságát. Minél több fa van, annál jobb az átlagolás, de nő az edzési idő és az erőforrások felhasználása.

Példa egy véletlenszerű erdő beállítására Pythonban a scikit-learn könyvtárral:

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(n_estimators=100, max_depth=10, random_state=42)
model.fit(X_train, y_train)