Rừng quyết định
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Rừng quyết định là một thuật ngữ chung để mô tả các mô hình được tạo từ nhiều cây quyết định. Dự đoán của rừng quyết định là tổng hợp các dự đoán của cây quyết định. Việc triển khai tính năng tổng hợp này phụ thuộc vào thuật toán dùng để huấn luyện rừng quyết định. Ví dụ: trong một rừng ngẫu nhiên phân loại nhiều lớp (một loại rừng quyết định), mỗi cây sẽ bỏ phiếu cho một lớp và dự đoán rừng ngẫu nhiên là lớp được đại diện nhiều nhất. Trong Cây tăng cường độ dốc (GBT) phân loại nhị phân (một loại rừng quyết định khác), mỗi cây sẽ xuất ra một logit (giá trị dấu phẩy động) và dự đoán cây tăng cường độ dốc là tổng của các giá trị đó, theo sau là một hàm kích hoạt (ví dụ: sigmoid).
Hai chương tiếp theo sẽ trình bày chi tiết về hai thuật toán rừng quyết định đó.
Trừ phi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2025-07-27 UTC.
[null,null,["Cập nhật lần gần đây nhất: 2025-07-27 UTC."],[[["\u003cp\u003eDecision forests encompass models composed of multiple decision trees, with predictions derived from aggregating individual tree predictions.\u003c/p\u003e\n"],["\u003cp\u003ePrediction aggregation methods vary depending on the specific decision forest algorithm employed, such as voting in random forests or logit summation in gradient boosted trees.\u003c/p\u003e\n"],["\u003cp\u003eRandom forests and gradient boosted trees are two primary examples of decision forest algorithms, each utilizing a unique approach to prediction aggregation.\u003c/p\u003e\n"],["\u003cp\u003eUpcoming chapters will delve deeper into the workings of random forests and gradient boosted trees.\u003c/p\u003e\n"]]],[],null,["# Decision Forests\n\n\u003cbr /\u003e\n\nA **decision forest** is a generic term to describe models made of multiple\ndecision trees. The prediction of a decision forest is the aggregation of the\npredictions of its decision trees. The implementation of this aggregation\ndepends on the algorithm used to train the decision forest. For example, in a\nmulti-class classification random forest (a type of decision forest), each tree\nvotes for a single class, and the random forest prediction is the most\nrepresented class. In a binary classification gradient boosted Tree (GBT)\n(another type of decision forest), each tree outputs a logit (a floating point\nvalue), and the gradient boosted tree prediction is the sum of those values\nfollowed by an activation function (e.g. sigmoid).\n\nThe next two chapters detail those two decision forests algorithms."]]
