Florestas de decisão
Uma floresta de decisão é um termo genérico para descrever modelos criados com várias árvores de decisão. A previsão de uma floresta de decisão é a agregação das
previsões das árvores de decisão dela. A implementação dessa agregação depende do algoritmo usado para treinar a floresta de decisão. Por exemplo, em uma floresta de classificação aleatória de várias classes (um tipo de floresta de decisão), cada árvore vota para uma única classe, e a previsão de floresta aleatória é a mais representada. Em um árvore de otimização de gradiente binário (GBT)
(outro tipo de floresta de decisão), cada árvore gera um logit (um valor de ponto
flutuante), e a previsão da árvore de aumento do gradiente é a soma desses valores
seguidos de uma função de ativação (por exemplo, sigmoide).
Os dois capítulos a seguir detalham esses dois algoritmos da floresta 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 2022-09-27 UTC.
[null,null,["Última atualização 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."]]],[]]
