Bu kursta karar ağaçları ve karar ormanları tanıtılır.
Karar ormanları, gözetimli öğrenim makine öğrenimi modelleri ve algoritmalarından oluşan bir ailedir. Aşağıdaki avantajları sağlar:
- Nöral ağlara göre yapılandırması daha kolaydır. Karar ormanlarında daha az hiperparametre bulunur. Ayrıca, karar ormanlarındaki hiperparametrelerde iyi varsayılanlar sağlanır.
- Sayısal, kategorize ve eksik özellikleri yerel olarak işlerler. Bu, nöral ağ kullanmaya kıyasla çok daha az ön işleme kodu yazabileceğiniz ve size zaman kazandırarak hata kaynaklarını azaltabileceğiniz anlamına gelir.
- Genellikle hızla verilen sonuçları sunar, gürültülü veriler karşısında dayanıklıdır ve yorumlanabilir özelliklere sahiptir.
- Bunlar, küçük veri kümelerini (1 milyondan az örnek) nöral ağlardan çok daha hızlı tahmin eder ve eğitir.
Karar ormanları, makine öğrenimi yarışmalarında mükemmel sonuçlar verir ve birçok endüstriyel görevde yoğun bir şekilde kullanılır. Karar ormanları pratik, etkili ve yorum yapılabilir niteliktedir. Karar ormanlarını aşağıdakiler dahil birçok gözetimli öğrenme görevi için kullanabilirsiniz:
Bu kurstaki materyal, karar ormanları için geneldir ve belirli bir kitaplıktan bağımsızdır. Ancak bunun gibi turuncu kutular,
TensorFlow Decision Forests (TF-DF) kitaplığını kullanan kod örnekleri içerir. TF-DF'ye özel olsa da bu örnekler genellikle diğer karar ormanı kitaplıklarına kolayca dönüştürülebilir.
Ön koşullar
Bu kursta, aşağıdaki kursları tamamladığınız veya eşdeğer bilgilere sahip olduğunuz varsayılır:
- Makine Öğrenimi Hızlandırılmış Kursu
- Makine Öğrenimi Sorunlarında Çerçeveleme
- Veri Hazırlama ve Özellik Mühendisliği
İyi Eğitimler!