इस कोर्स में आपने क्या सीखा, इस बारे में यहां खास जानकारी दी गई है:
- फ़ैशन ट्री एक मॉडल है, जो शर्तों के कलेक्शन को मिलाकर बनाया जाता है. इसे पेड़ के आकार के हिसाब से क्रम में लगाया जाता है. शर्तों को अलग-अलग
कैटगरी में बांटा जा सकता है:
- ऐक्सिस से अलाइन की गई शर्त में सिर्फ़ एक सुविधा होती है. ब्लिक स्थिति में कई सुविधाएं शामिल होती हैं.
- बाइनरी शर्त के दो संभावित नतीजे होते हैं. किसी अन्य स्थिति में दो से ज़्यादा नतीजे मिल सकते हैं.
- डिसिज़न ट्री को ट्रेनिंग देने के लिए हर नोड में सबसे अच्छी स्थिति की खोज की जाती है. स्प्लिटर रूटीन, सबसे सही स्थिति का पता लगाने के लिए, जानकारी पाने या Gini जैसी मेट्रिक का इस्तेमाल करता है.
- डिसिज़न फ़ॉरेस्ट एक ऐसा मोड है, जिसमें कई डिसिज़न ट्री शामिल होते हैं. डिसिज़न फ़ॉरेस्ट का अनुमान, फ़ैसले लेने वाले उन पेड़ों के अनुमानों को एक साथ दिखाता है.
- रैंडम फ़ॉरेस्ट, डिसिज़न ट्री का एक ग्रुप होता है. इसमें हर डिसिज़न ट्री को किसी भी खास शोर के साथ ट्रेनिंग दी जाती है.
- बैगिंग एक ऐसी तकनीक है जिसमें किसी जंगल में मौजूद डिसिज़न ट्री को, उदाहरणों के अलग-अलग सबसेट पर ट्रेनिंग दी जाती है.
- किसी भी क्रम में लगाए गए जंगलों के लिए, पुष्टि करने वाले डेटासेट की ज़रूरत नहीं होती. इसके बजाय, ज़्यादातर जंगल, मॉडल की क्वालिटी का आकलन करने के लिए out-of-bag-evaluation नाम की तकनीक का इस्तेमाल करते हैं.
- ग्रेडिएंट बूस्ट (डिसिज़न) ट्री एक तरह का डिसिज़न फ़ॉरेस्ट है. इसे इनपुट डिसिज़न ट्री से, बार-बार किए जाने वाले बदलावों के ज़रिए ट्रेनिंग दी जाती है. श्रिंकेज नाम की वैल्यू से यह कंट्रोल किया जाता है कि किसी ग्रेडिएंट को बूस्ट (फ़ैसले) करने वाले पेड़ किस हद तक सीखेगा और किस हद तक ज़्यादा फ़िट हो सकता है.
References
- ग्रीडी के फ़ंक्शन का अनुमान: एक ग्रेडिएंट बूस्टिंग मशीन, जे. फ़्रीडमैन ने लिखी.
- द एलिमेंट्स ऑफ़ स्टैटिस्टिकल लर्निंग, ट्रेवर हेस्टी. अध्याय 10.
- सामान्य बूस्ट किए गए मॉडल: gbm पैकेज के लिए गाइड, G. Ridgeway