Ako funguje náhodný les a ako sa trénuje v úlohe klasifikácie?

Náhodný les (Random Forest) je ansámblová metóda strojového učenia, ktorá vytvára viacero rozhodovacích stromov a kombinuje ich výsledky na zlepšenie presnosti a stability modelu.

Štruktúra:

• Skladá sa z veľkého počtu rozhodovacích stromov.
• Každý strom je trénovaný na náhodnom podmnožine pôvodných dát (metóda bootstrap).
• Pri stavbe stromu sa na každom uzle vyberá náhodná podmnožina znakov na nájdenie najlepšieho rozdelenia.

Tréning v úlohách klasifikácie:

1. Náhodne sa vyberá podmnožina dát s vrátením (bootstrap vzorka).
2. Pre každý strom sa na tejto podmnožine stavia rozhodovací strom.
3. Pri výbere rozdelenia v uzloch stromu sa zohľadňuje iba náhodná podmnožina znakov, čo znižuje koreláciu medzi stromami.
4. Po stavbe všetkých stromov sa pre klasifikáciu nového objektu vykonáva hlasovanie väčšinou: trieda, ktorú zvolí väčšina stromov, sa stáva konečnou predpoveďou.

Tento prístup znižuje preučovanie a zvyšuje schopnosť generalizácie modelu.