Hutan Keputusan
Hutan keputusan adalah istilah umum untuk mendeskripsikan model yang dibuat dari beberapa
pohon keputusan. Prediksi hutan keputusan adalah agregasi prediksi pohon keputusannya. Implementasi agregasi ini
bergantung pada algoritme yang digunakan untuk melatih hutan keputusan. Misalnya, dalam hutan acak klasifikasi multi-class (jenis hutan keputusan), setiap pohon memilih satu class, dan prediksi hutan acak adalah class yang paling banyak diwakili. Dalam gradien klasifikasi biner Pohon yang ditingkatkan (GBT) (jenis lain dari hutan keputusan), setiap pohon menghasilkan logit (nilai floating point), dan prediksi pohon yang ditingkatkan gradien adalah jumlah dari nilai-nilai tersebut diikuti oleh fungsi aktivasi (misalnya, sigmoid).
Dua bab berikutnya menguraikan dua algoritme hutan keputusan itu.
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2022-09-27 UTC.
[null,null,["Terakhir diperbarui pada 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."]]],[]]
