Леса решений
Лес решений — это общий термин для описания моделей, состоящих из нескольких деревьев решений. Прогноз леса решений — это совокупность прогнозов его деревьев решений. Реализация этой агрегации зависит от алгоритма, используемого для обучения леса решений. Например, в случайном лесу с многоклассовой классификацией (тип леса принятия решений) каждое дерево голосует за один класс, а предсказание случайного леса является наиболее представленным классом. В дереве с градиентным усилением бинарной классификации (GBT) (другой тип леса решений) каждое дерево выводит логит (значение с плавающей запятой), а предсказание дерева с градиентным усилением представляет собой сумму этих значений, за которыми следует функция активации (например, сигмовидная ).
Следующие две главы подробно описывают эти два алгоритма принятия решений.
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2024-10-26 UTC.
[null,null,["Последнее обновление: 2024-10-26 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."]]],[]]