Bosques de decisión
Un bosque de decisión es un término genérico para describir modelos hechos de varios árboles de decisión. La predicción de un bosque de decisión es la agregación de las predicciones de sus árboles de decisión. La implementación de esta agregación depende del algoritmo usado para entrenar el bosque de decisión. Por ejemplo, en un bosque aleatorio de clasificación de clases múltiples (un tipo de bosque de decisión), cada árbol vota por una sola clase, y la predicción de bosque aleatorio es la clase más representada. En un árbol de potenciación de gradiente binario (GBT) (otro tipo de bosque de decisión), cada árbol genera un logit (un valor de punto flotante), y la predicción de árbol con boosting de gradiente es la suma de esos valores seguida de una función de activación (p.ej., sigmoide).
En los dos siguientes capítulos, se detallan esos dos algoritmos de bosques de decisión.
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2022-09-27 (UTC)
[null,null,["Última actualización: 2022-09-27 (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."]]],[]]
