Karar Ormanları
Karar ağacı, birden fazla karar ağacından oluşan modelleri tanımlamak için kullanılan genel bir terimdir. Karar ormanının tahmini, karar ağaçlarının tahminlerinin toplamıdır. Bu toplama işleminin uygulanması, karar ormanını eğitmek için kullanılan algoritmaya bağlıdır. Örneğin, çok sınıflı sınıflandırma rastgele ormanında (bir karar ağacı türü) her ağaç tek bir sınıf için oy verir ve rastgele orman tahmini en çok temsil edilen sınıftır. İkili sınıflandırmada gradyan artırılmış ağaç (GBT) (başka bir karar ağacı türü) her ağaç bir mantıksal değer (kayan nokta değeri) döndürür ve gradyan artırılmış ağaç tahmini, bu değerlerin toplamı ve ardından bir etkinleştirme işlevidir (ör. sigmoid).
Sonraki iki bölümde bu iki karar ormanı algoritması ayrıntılı olarak açıklanmıştır.
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-02-25 UTC.
[null,null,["Son güncelleme tarihi: 2025-02-25 UTC."],[[["Decision forests encompass models composed of multiple decision trees, with predictions derived from aggregating individual tree predictions."],["Prediction aggregation methods vary depending on the specific decision forest algorithm employed, such as voting in random forests or logit summation in gradient boosted trees."],["Random forests and gradient boosted trees are two primary examples of decision forest algorithms, each utilizing a unique approach to prediction aggregation."],["Upcoming chapters will delve deeper into the workings of random forests and gradient boosted trees."]]],[]]