Ինչպես է աշխատում պատահական անտառը և ինչպես է այն ուսուցանվում դասակարգման խնդիրում?

Անհատական անտառ (Random Forest) — սա մեքենայական ուսուցման հավաքական մեթոդ է, որը կառուցում է մի շարք որոշման ծառեր և միավորում նրանց արդյունքները՝ բարելավելու համար մոդելի ճշգրտությունը և կայունությունը:

Կառուցվածք:

• Բաղկացած է մեծ թվով որոշման ծառերից:
• Ամեն մի ծառ ուսուցանվում է սկզբնական տվյալների պատահական ենթակտով (bootstrap մեթոդով):
• Դատարկում է յուրաքանչյուր հանգույցում՝ ընտրելով պատահական հատկությունների ենթակտ, լավագույն բաժանումը գտնելու համար:

Ուսուցում դասակարգման խնդիրներում:

1. Ընտրվում է պատահական տվյալների ենթակտ՝ հետադարձությամբ (bootstrap օրինակ):
2. Յուրաքանչյուր ծառի համար կառուցվում է որոշման ծառ՝ այդ ենթակտով:
3. Երբ ընտրում է բաժանումը ծառի հանգույցներում, հաշվի է առնում միայն պատահական հատկությունների ենթակտը, ինչը նվազեցնում է ծառերի միջև կապը:
4. Բոլոր ծառերի կառուցումից հետո՝ նոր օբյեկտի դասակարգումը կատարվում է մեծամասնության ձայներով՝ այն դասը, որը ընտրվում է առավելագույն թվով ծառերով, դառնում է վերջնական կանխատեսումը:

Այս մոտեցումը նվազեցնում է ավելորդ ուսուցումը և բարձրացնում է մոդելի ընդհանուր կարողությունը։