Aké parametre v náhodnom lese je možné zmeniť a ako ovplyvňujú hĺbku a počet stromov?

V náhodnom lese je možné upraviť niekoľko kľúčových parametrov:

• Počet stromov (n_estimators): zvyšuje počet stromov v súbore. Viac stromov zvyčajne zlepšuje stabilitu a presnosť modelu, ale zvyšuje čas tréningu.

• Maximálna hĺbka stromov (max_depth): obmedzuje hĺbku každého stromu. Menšia hĺbka pomáha predchádzať preučeniu, ale môže viesť k podučenia, ak je príliš malá.

• Minimálny počet vzoriek na rozdelenie uzla (min_samples_split) a pre list (min_samples_leaf): ovplyvňujú štruktúru stromov a pomáhajú kontrolovať preučenie.

• Maximálny počet vlastností na rozdelenie (max_features): ovplyvňuje rozmanitosť stromov a schopnosť generalizácie.

Vplyv hĺbky a počtu stromov:

• Hĺbka stromov riadi zložitosť každého stromu. Hlboké stromy môžu zapamätať šum v dátach (preučenie), zatiaľ čo plytké nemusia zachytiť zložité závislosti (podučenie).

• Počet stromov ovplyvňuje stabilitu a presnosť modelu. Čím viac stromov, tým lepšie priemerné chyby, ale s nárastom času tréningu a spotreby zdrojov.

Príklad nastavenia náhodného lesa v Pythone s knižnicou scikit-learn:

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(n_estimators=100, max_depth=10, random_state=42)
model.fit(X_train, y_train)