Kurs prezentuje drzewa decyzyjne i lasy decyzyjne.
Lasy decyzyjne to rodzina nadzorowanych modeli i systemów uczących się. Zapewniają one następujące korzyści:
- Są łatwiejsze w konfiguracji niż sieci neuronowe. Lasy decyzyjne mają mniej hiperparametrów, a hiperparametry w decyzjach w lasach stanowią domyślną wartość domyślną.
- Natywne reklamy natywne obsługują wartości liczbowe, kategorialne i brakujące. Oznacza to, że możesz znacznie zmniejszyć ilość wstępnego przetwarzania kodu niż w przypadku korzystania z sieci neuronowej, co pozwala oszczędzić czas i zmniejszyć liczbę błędów.
- Często zapewniają doskonałe wyniki, są solidne względem hałaśliwych danych i mają właściwości zrozumiałe.
- Z małych zbiorów danych (np. 1 mln) trenują i trenują je znacznie szybciej niż sieci neuronowe.
Lasy decyzyjne zapewniają świetne wyniki w konkursach związanych z systemami uczącymi się. Są często wykorzystywane w wielu zadaniach przemysłowych. Lasy decyzyjne są praktyczne, efektywne i możliwe do zinterpretowania. Z lasów decyzyjnych można korzystać w wielu nadzorowanych zadaniach, takich jak:
Wymagania wstępne
W ramach tego kursu założono, że masz ukończone wszystkie te kursy lub dysponujesz odpowiednią wiedzą:
- System uczenia się systemów uczących się
- Oprawa systemów uczących się
- Inżynieria i przygotowanie danych
Przyjemnej nauki!