สรุปหลักสูตร

สรุปสั้นๆ เกี่ยวกับสิ่งที่คุณได้เรียนรู้ในหลักสูตรมีดังนี้

  • แผนภูมิการตัดสินใจคือโมเดลที่ประกอบด้วยคอลเล็กชันเงื่อนไขที่จัดระเบียบตามลําดับชั้นในลักษณะของแผนภูมิต้นไม้ เงื่อนไขต่างๆ แบ่งออกเป็นหมวดหมู่ต่อไปนี้
  • การฝึกแผนผังการตัดสินใจเกี่ยวข้องกับการค้นหาเงื่อนไขที่ดีที่สุดในแต่ละโหนด รูทีน splitter ใช้เมตริกต่างๆ เช่น Information گین หรือ Gini เพื่อระบุเงื่อนไขที่ดีที่สุด
  • ป่าการตัดสินใจคือโหมดที่สร้างจากต้นไม้การตัดสินใจหลายต้น การคาดการณ์ของป่าการตัดสินใจคือการรวมการคาดการณ์ของต้นไม้การตัดสินใจ
  • Random Forest คือชุดของต้นไม้การตัดสินใจที่ต้นไม้แต่ละต้นได้รับการฝึกด้วยสัญญาณรบกวนแบบสุ่มที่เฉพาะเจาะจง
  • Bagging เป็นเทคนิคที่ฝึกแผนผังการตัดสินใจแต่ละแผนภูมิใน Random Forest ด้วยชุดตัวอย่างย่อยที่แตกต่างกัน
  • ป่าแบบสุ่มไม่จําเป็นต้องใช้ชุดข้อมูลที่ใช้ตรวจสอบ แต่ Random Forest ส่วนใหญ่จะใช้เทคนิคที่เรียกว่า out-of-bag-evaluation เพื่อประเมินคุณภาพของโมเดล
  • ต้นไม้ (การตัดสินใจ) ที่เพิ่มประสิทธิภาพด้วย Gradient เป็น Decision Forest ประเภทหนึ่งที่ผ่านการฝึกผ่านการปรับซ้ำๆ จากต้นไม้การตัดสินใจอินพุต ค่าที่เรียกว่าการหดตัวจะควบคุมอัตราที่ต้นไม้เพิ่มประสิทธิภาพด้วย Gradient (ต้นไม้การตัดสินใจ) เรียนรู้และระดับที่อาจปรับให้พอดีมากเกินไป

 

ข้อมูลอ้างอิง

ก่อนหน้า
การปรับให้เหมาะสมและการปรับให้เป็นมาตรฐาน