このコースでは、ディシジョン ツリーとディシジョン フォレストについて紹介します。
ディシジョン フォレストは、教師あり機械学習モデルとアルゴリズムのファミリーです。メリットは次のとおりです。
- ニューラル ネットワークよりも構成が簡単です。デシジョン フォレストを使用すると、ハイパーパラメータが減少します。また、デシジョン フォレスト内のハイパーパラメータは、適切なデフォルト値になります。
- 数値特徴、カテゴリ特徴、欠損特徴をネイティブに処理します。つまり、ニューラル ネットワークを使用する場合よりも、前処理のコード作成時間がはるかに少なく、時間を節約してエラーの原因を減らすことができます。
- 多くの場合、そのままで優れた結果が得られ、ノイズの多いデータにも堅牢で、解釈可能なプロパティを備えています。
- 小規模なデータセット（100 万件未満のサンプル）の推定とトレーニングは、ニューラル ネットワークよりもはるかに高速です。
デシジョン フォレストは機械学習の競争で大きな成果をもたらし、多くの産業タスクで多用されています。ディシジョン フォレストは実用的で、効率的で、解釈可能です。ディシジョン フォレストは、次のような多くの教師あり学習タスクに使用できます。
このコースの教材は、ディシジョン フォレストに一般的なものであり、特定のライブラリに依存しません。このようなオレンジ色のボックスには、
TensorFlow デシジョン フォレスト（TF-DF）ライブラリを使用するコードサンプルが含まれています。これらは TF-DF に固有ですが、他のデシジョン フォレスト ライブラリへの変換も容易です。
Prerequisites
このコースは、次のコースを修了しているか、同等の知識を持っていることを前提としています。
よろしくお願いいたします。