Lasy decyzyjne
Drzewa decyzyjne to ogólne określenie reprezentujące modele składające się z wielu drzew decyzyjnych. Przewidywania lasów decyzyjnych to agregacja prognoz drzew. Wdrożenie tej agregacji zależy od algorytmu używanego do trenowania lasu decyzyjnego. Na przykład w klasycznym lesie leśnym (rodzaju lasu decyzyjnego) każde drzewo zalicza się do jednej klasy, a losowy las jest najbardziej reprezentowanym klasem. W drzewie gradientu binarnego z przyrostem (GBT) (innym typem lasu decyzyjnego) każde drzewo generuje logit (wartość zmiennoprzecinkową), a prognoza wzrostu gradientowego stanowi sumę tych wartości, po których następuje funkcja aktywacji (np. sigmoid).
W kolejnych 2 rozdziałach opisujemy te 2 algorytmy lasów decyzyjnych.
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2022-09-27 UTC.
[null,null,["Ostatnia aktualizacja: 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."]]],[]]