მითხარით RandomForest-ის შესახებ: როგორ არის მოწყობილი, რა განსხვავებაა ჩვეულებრივ ხეების ბაგგინგთან.

რანდომფორესტი — ეს არის ანსამბლეის მეთოდი მანქანური სწავლების, რომელიც აშენებს მრავალ გადაწყვეტილების ხეს და აერთიანებს მათ პროგნოზებს, რათა გაუმჯობესდეს მოდელის ხარისხი და სტაბილურობა.

რანდომფორესტის ძირითადი მახასიათებლები:

• თითოეული ხე სწავლება ხდება შემთხვევით ნიმუშზე ორიგინალური მონაცემების, დაბრუნებით (bagging).
• თითოეულ ხის აგებისას, თითოეულ ნოდზე, ირჩევა შემთხვევითი თვისებების ქვეგანყოფილება, რომელთაგან საუკეთესო ირჩევა გაყოფისთვის.

სხვაობა კლასიკურ ბაგინგთან:

• კლასიკურ ბაგინგში, ხეები აშენებულია შემთხვევით მონაცემთა ნიმუშებზე, მაგრამ გაყოფისთვის თვისებების არჩევისას გამოიყენება მთელი თვისებების ნაკრები.
• რანდომფორესტში, დამატებით, ინტრიდცირებულია შემთხვევითობა თვისებების არჩევაში თითოეულ ნოდზე, რაც ამცირებს ხეების კოარკელაციას და ზრდის ზოგადობის უნარს.

Python-ის მაგალითი sklearn-ის გამოყენებით:

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(n_estimators=100, max_features='sqrt')
model.fit(X_train, y_train)
predictions = model.predict(X_test)

აქ, პარამეტრი max_features='sqrt' განსაზღვრავს შემთხვევით თვისებების ქვეგანყოფილებას თითოეულ გაყოფისთვის.