कोर्स के बारे में खास जानकारी

आपने कोर्स में क्या सीखा, इसकी खास जानकारी यहां दी गई है:

  • डिसिज़न ट्री एक मॉडल है लेखों का एक संग्रह है स्थिति व्यवस्थित की गई जो पेड़ के आकार की तरह दिखता है. स्थितियां अलग-अलग हो सकती हैं श्रेणियां:
  • डिसिज़न ट्री को ट्रेनिंग देने में सबसे अच्छी स्थिति की खोज करना शामिल है हर नोड पर लागू करें. स्प्लिटर रूटीन मेट्रिक का इस्तेमाल करता है, जैसे कि जानकारी पाएं या सबसे सही कैटगरी तय करने के लिए, Gini स्थिति.
  • डिसिज़न फ़ॉरेस्ट कई डिसिज़न ट्री से बना मोड. डिसिज़न फ़ॉरेस्ट का अनुमान डिसिज़न ट्री के अनुमान को एग्रीगेट करके होता है.
  • रैंडम फ़ॉरेस्ट डिसिज़न ट्री का ग्रुप, जिसमें हर डिसिज़न ट्री को कोई भी खास शोर की ज़रूरत होती है.
  • बैगिंग एक ऐसी तकनीक है जिसमें किसी भी जंगल में मौजूद हर डिसिज़न ट्री को अलग-अलग सबसेट के हिसाब से ट्रेनिंग दी गई है देखें.
  • रैंडम फ़ॉरेस्ट के लिए पुष्टि करने वाले डेटासेट की ज़रूरत नहीं होती. इसके बजाय, रैंडम तरीके से जंगल एक तकनीक का इस्तेमाल करते हैं जिसे out-of-bag-evaluation मॉडल की क्वालिटी का आकलन किया जा सकता है.
  • ग्रेडिएंट बूस्ट किया गया (फ़ैसले) पेड़ एक तरह का डिसिज़न फ़ॉरेस्ट है जिसे इनपुट के आधार पर बार-बार किए जाने वाले अडजस्टमेंट की मदद से ट्रेन किया गया है डिसिज़न ट्री. इस मान को कॉल किया जाता है संकुचन की मदद से, जिससे एक ग्रेडिएंट ने बूस्ट किया (डिसिज़न) ट्री जो सीखता है और वह जिस हद तक सीखता है कम कर सकता है.

 

रेफ़रंस

पीछे जाएं
ओवरफ़िटिंग और रेगुलराइज़ेशन