Kā darbojas nejaušais mežs un kā tas tiek apmācīts klasifikācijas uzdevumā?

Nejauši mežs (Random Forest) ir ansamblveida mašīnmācīšanās metode, kas veido vairākus lēmumu kokus un apvieno to rezultātus, lai uzlabotu modeļa precizitāti un stabilitāti.

Struktūra:

• Sastāv no liela skaita lēmumu koku.
• Katrs koks tiek apmācīts uz nejaušas apakškopas no sākotnējiem datiem (bootstrap metode).
• Koka būvēšanas laikā katrā mezglā tiek izvēlēts nejaušs īpašību apakškopas, lai atrastu labāko sadalījumu.

Apmācība klasifikācijas uzdevumos:

1. Nejauši tiek izvēlēta datu apakškopa ar atgriešanos (bootstrap paraugs).
2. Katram kokam tiek būvēts lēmumu koks uz šīs apakškopas.
3. Izvēloties sadalījumu kokā, tiek ņemta vērā tikai nejauša īpašību apakškopa, kas samazina korelāciju starp kokiem.
4. Pēc visu koku būvēšanas, jauniem objektiem tiek veikts vairākuma balsojums: klase, ko izvēlas lielākā daļa koku, kļūst par galīgo prognozi.

Šī pieeja samazina pārmācību un palielina modeļa vispārējo spēju.

Līdz: