Kas ir bias un variance, un kas samazinās nejaušajā mežā?

Mašīnmācībā:

• Bias (novirze) — tas ir kļūda, kas rodas pārāk vienkārša modeļa dēļ, kas nespēj labi aptvert patieso atkarību. Augsts bias noved pie nepietiekamas apmācības.
• Vairāknība (variācija) — tas ir modeļa jutīgums pret izmaiņām apmācības datos. Augsta vairāknība nozīmē, ka modelis pārāk pielāgojas datu troksnim, kas noved pie pārmācīšanās.

Nejaušā meža — tas ir vairākumu lēmumu koku kopums, kas būvēts uz nejauši izvēlētiem datu un īpašību apakškopumiem. Tas samazina vairāknību salīdzinājumā ar vienu koku, jo prognožu vidējums samazina nejaušo svārstību ietekmi datos, kamēr bias paliek aptuveni tajā pašā līmenī vai nedaudz palielinās.

Piemērs:

from sklearn.ensemble import RandomForestClassifier

# Nejaušā meža samazina vairāknību ar vidējā aprēķinu
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)