Kaip veikia atsitiktinis miškas ir kaip jis mokomas klasifikacijos užduotyje?

Atsitiktinis miškas (Random Forest) yra ansamblinis mašininio mokymosi metodas, kuris kuria daugybę sprendimų medžių ir jų rezultatus sujungia, siekdamas pagerinti modelio tikslumą ir stabilumą.

Struktūra:

• Sudarytas iš didelio skaičiaus sprendimų medžių.
• Kiekvienas medis mokomas iš atsitiktinės pirminių duomenų dalies (bootstrap metodas).
• Kuriant medį, kiekviename mazge pasirenkama atsitiktinė požymių dalis, siekiant rasti geriausią skirstymą.

Mokymas klasifikacijos užduotyse:

1. Atsitiktinai pasirenkama duomenų dalis su grąžinimu (bootstrap pavyzdys).
2. Kiekvienam medžiui kuriamas sprendimų medis šioje dalyje.
3. Pasirenkant skirstymą mazguose, apskaičiuojama tik atsitiktinė požymių dalis, tai sumažina medžių koreliaciją.
4. Po visų medžių sukūrimo, naujo objekto klasifikacijai atliekama daugumos balsavimas: daugumos medžių pasirinkta klasė tampa galutiniu prognozavimu.

Šis požiūris sumažina permokymąsi ir padidina modelio bendrąją gebėjimą.

Et: