Pengantar

Kursus ini memperkenalkan pohon keputusan dan hutan keputusan.

Hutan keputusan adalah kelompok model dan algoritme machine learning yang diawasi. Cookie tersebut memberikan manfaat berikut:

  • Jaringan ini lebih mudah dikonfigurasi daripada jaringan neural. Hutan keputusan memiliki lebih sedikit hyperparameter; selain itu, hyperparameter dalam hutan keputusan memberikan default yang baik.
  • Layanan tersebut secara native menangani fitur numerik, kategori, dan yang tidak ada. Ini berarti Anda dapat menulis kode pra-pemrosesan yang jauh lebih sedikit daripada saat menggunakan jaringan neural, sehingga menghemat waktu dan mengurangi sumber error.
  • Notifikasi ini sering kali memberikan hasil bagus secara langsung, tangguh untuk data yang memiliki banyak derau, dan memiliki properti yang dapat ditafsirkan.
  • Mereka menyimpulkan dan melatih set data kecil (contoh <1 juta) jauh lebih cepat daripada jaringan neural.

Hutan keputusan menghasilkan hasil yang luar biasa dalam kompetisi machine learning, dan banyak digunakan dalam banyak tugas industri. Hutan keputusan bersifat praktis, efisien, dan dapat ditafsirkan. Anda dapat menggunakan hutan keputusan untuk banyak tugas pembelajaran yang diawasi, termasuk:

Materi dalam kursus ini bersifat umum untuk hutan keputusan dan agnostik ke library tertentu. Namun, kotak oranye seperti ini berisi contoh kode yang menggunakan library TensorFlow Decision Forests (TF-DF). Meskipun khusus untuk TF-DF, contoh tersebut sering kali dapat dikonversi dengan mudah ke library hutan keputusan lainnya.

Prasyarat

Kursus ini mengasumsikan bahwa Anda telah menyelesaikan kursus berikut atau memiliki pengetahuan yang setara:

Selamat Belajar!