Karar ormanları aşağıdaki avantajları sağlar:
- Nöral ağlara göre yapılandırmaları daha kolaydır. Karar ormanlarında daha az hiperparametre vardır. Dahası, karar ormanlarındaki hiperparametreler iyi varsayılanlar sağlar.
- Sayısal, kategorik ve eksik özellikleri yerel olarak işler. Bu sayede, nöral ağ kullanımına kıyasla çok daha az ön işleme kodu yazarak zamandan tasarruf edip hata kaynaklarını azaltır.
- Bunlar genellikle kullanıma hazır iyi sonuçlar verir, güvenilir ve gürültülü verilere sahip, yorumlanabilir özelliklere sahiptir.
- Nöral ağlardan çok daha hızlı şekilde çıkarımda bulunurlar ve küçük veri kümeleri (1 milyondan az örnek) üzerinde eğitilirler.
Karar ormanları, makine öğrenimi yarışmalarında mükemmel sonuçlar sunar ve birçok endüstriyel görevde yoğun olarak kullanılır.
Bu kursta karar ağaçları ve karar ormanları tanıtılmaktadır. Karar ormanları, tablo verilerinde uzmanlaşan, yorumlanabilir makine öğrenimi algoritmaları ailesidir. Karar ormanları şunları gerçekleştirebilir:
YDF Kodu
Bu kursta, herhangi bir kütüphaneye odaklanmadan karar ormanlarının nasıl çalıştığı açıklanmaktadır.
Bununla birlikte, kurs boyunca metin kutuları, YDF karar ormanı kitaplığını temel alan ancak diğer karar ormanı kitaplıklarına dönüştürülebilen kod örneklerini gösterir.
Ön koşullar
Bu kursta, aşağıdaki kursları tamamladığınız veya eşdeğer bilgilere sahip olduğunuz varsayılmaktadır:
- Makine Öğrenimi Hızlandırılmış Kursu
- Makine Öğrenimi Problem Çerçeveleme
- Veri Hazırlama ve Özellik Mühendisliği
İyi dersler!