Bir rastgele orman nasıl çalışır ve sınıflandırma görevinde nasıl eğitilir?

Rastgele Orman (Random Forest), makine öğrenmesinde topluluk yöntemi olan ve birden fazla karar ağacı inşa edip sonuçlarını birleştirerek modelin doğruluğunu ve kararlılığını artıran bir yöntemdir.

Yapı:

• Çok sayıda karar ağacından oluşur.
• Her ağaç, orijinal verilerin rastgele bir alt kümesi üzerinde (bootstrap yöntemi) eğitilir.
• Ağaç inşa edilirken, her düğümde en iyi bölünmeyi bulmak için rastgele bir özellik alt kümesi seçilir.

Sınıflandırma görevlerinde eğitim:

1. Orijinal verilerden, geri dönüşümlü rastgele bir alt küme (bootstrap örneği) seçilir.
2. Her ağaç için, bu alt küme üzerinde bir karar ağacı inşa edilir.
3. Ağaçların düğümlerinde bölünme seçilirken, sadece rastgele bir özellik alt kümesi dikkate alınır, bu da ağaçlar arasındaki korelasyonu azaltır.
4. Tüm ağaçlar inşa edildikten sonra, yeni bir nesnenin sınıflandırılması için çoğunluk oylaması yapılır: Çoğunlukla seçilen sınıf, nihai tahmin olur.

Bu yaklaşım aşırı öğrenmeyi azaltır ve modelin genelleme kabiliyetini artırır.