Giới thiệu

Rừng quyết định mang lại các lợi ích sau:

  • Các mạng này dễ định cấu hình hơn so với mạng nơron. Rừng quyết định có ít tham số siêu dữ liệu hơn; hơn nữa, các tham số siêu dữ liệu trong rừng quyết định cung cấp giá trị mặc định phù hợp.
  • Các hàm này xử lý gốc các tính năng dạng số, dạng danh mục và tính năng bị thiếu. Điều này có nghĩa là bạn có thể viết ít mã xử lý trước hơn nhiều so với khi sử dụng mạng nơron, giúp tiết kiệm thời gian và giảm nguồn lỗi.
  • Các mô hình này thường cho ra kết quả tốt ngay từ đầu, có khả năng xử lý tốt dữ liệu nhiễu và có các thuộc tính có thể diễn giải.
  • Các mô hình này suy luận và huấn luyện trên các tập dữ liệu nhỏ (< 1 triệu ví dụ) nhanh hơn nhiều so với mạng nơron.

Rừng quyết định mang lại kết quả tuyệt vời trong các cuộc thi học máy và được sử dụng rộng rãi trong nhiều nhiệm vụ công nghiệp.

Khoá học này giới thiệu về cây quyết định và rừng quyết định. Rừng quyết định là một nhóm các thuật toán học máy có thể diễn giải, hoạt động hiệu quả với dữ liệu dạng bảng. Rừng quyết định có thể thực hiện:

Mã YDF
Khoá học này giải thích cách hoạt động của rừng quyết định mà không tập trung vào bất kỳ thư viện cụ thể nào. Tuy nhiên, trong suốt khoá học, các hộp văn bản sẽ trình bày các ví dụ về mã dựa trên thư viện rừng quyết định YDF, nhưng có thể được chuyển đổi sang các thư viện rừng quyết định khác.

Điều kiện tiên quyết

Khoá học này giả định rằng bạn đã hoàn thành các khoá học sau hoặc có kiến thức tương đương:

Chúc bạn học tập vui vẻ!

Tiếp
Dữ liệu phù hợp