Florestas de decisão
Uma floresta de decisão é um termo genérico para descrever modelos feitos de várias
árvores de decisão. A previsão de uma floresta de decisão é a agregação das
previsões das árvores de decisão. A implementação dessa agregação
depende do algoritmo usado para treinar a floresta de decisão. Por exemplo, em uma floresta aleatória de classificação de várias classes (um tipo de floresta de decisão), cada árvore vota em uma única classe, e a previsão da floresta aleatória é a classe mais representada. Em uma árvore de classificação binária com aumento de gradiente (GBT, na sigla em inglês)
(outro tipo de floresta de decisão), cada árvore gera um logito (um valor de ponto flutuante)
e a previsão da árvore com aumento de gradiente é a soma desses valores
seguida por uma função de ativação (por exemplo, sigmoide).
Os próximos dois capítulos detalham esses dois algoritmos de florestas de decisão.
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-02-25 UTC.
[null,null,["Última atualização 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."]]],[]]
