Karar ağaçları aşağıdaki avantajları sağlar:
- Bu ağların yapılandırması, sinir ağlarından daha kolaydır. Karar ağaçlarında daha az hiperparametre bulunur. Ayrıca karar ağaçlarındaki hiperparametreler iyi varsayılan değerler sağlar.
- Sayısal, kategorik ve eksik özellikleri yerel olarak işler. Bu, bir sinir ağı kullanırken olduğundan çok daha az ön işleme kodu yazabilmeniz anlamına gelir. Böylece zamandan tasarruf eder ve hata kaynaklarını azaltırsınız.
- Genellikle kullanıma hazır olarak iyi sonuçlar verir, gürültülü verilere karşı dayanıklıdır ve yorumlanabilir özelliklere sahiptir.
- Küçük veri kümelerinde (< 1 milyon örnek) çıkarım yapar ve nöral ağlara kıyasla çok daha hızlı eğitilir.
Karar ormanları, makine öğrenimi yarışmalarında mükemmel sonuçlar verir ve birçok endüstriyel görevde yoğun olarak kullanılır.
Bu kursta karar ağaçları ve karar ormanları tanıtılmaktadır. Karar ağaçları, tablo verileriyle mükemmel sonuçlar veren anlaşılabilir makine öğrenimi algoritmalarından oluşan bir ailedir. Karar ağaçları şunları yapabilir:
YDF Kodu
Bu kursta, belirli kitaplıklara odaklanılmaksızın karar ağaçlarının işleyiş şekli açıklanmaktadır.
Ancak kurs boyunca metin kutularında, YDF karar ormanı kitaplığına dayalı ancak diğer karar ormanı kitaplıklarına dönüştürülebilen kod örnekleri gösterilir.
Ön koşullar
Bu kursta, aşağıdaki kursları tamamladığınız veya eşdeğer bilgiye sahip olduğunuz varsayılmaktadır:
- Makine Öğrenimi Hızlandırılmış Kursu
- Makine Öğrenimi Problemi Çerçevelendirme
- Veri Hazırlama ve Özellik Mühendisliği
İyi dersler!