Random Forest

Türkçe: Rastgele Orman

Ayrıntılı Tanım

Bagging yöntemini bir adım öteye taşıyarak, her düğüm bölünmesinde sadece satırları değil aynı zamanda **özellikleri (sütunları)** da rastgele seçen yüzlerce karar ağacından oluşan güçlü bir topluluk modelidir.

Ne İşe Yarar / Çözülen Problem

Tekil karar ağaçlarının aşırı ezberleme problemini tamamen yok eder; parametre ayarı yapmadan bile yüksek doğruluk üretir.

Nasıl Çalışır? (Teknik & Mekanizma)

Her ağaç bootstrap verisiyle eğitilir. Düğüm bölünürken toplam

M

nitelikten rastgele seçilen

\sqrt{M}

kadar nitelik arasından en iyisi seçilir. Sonuçta ağaçlar arasındaki korelasyon kırılır.

Örnek Senaryo & Pratik Uygulama

Ormandaki her ağacın olaya farklı bir pencereden (farklı özelliklerle) bakması; ortak konsensüs sağlandığında hatanın neredeyse sıfıra inmesi.

Benzer Terimlerden Farkı

Düz Bagging'de tüm ağaçlar en baskın tek bir değişkene odaklanıp birbirine benzeyebilir; Random Forest nitelikleri de rastgele kısıtlayarak ağaçları çeşitlendirir.

İlişkili Terimler (2)

Torbalama (Örneklem Çoğaltma ve Birleştirme)

Ait Olduğu Kategori

Klasik Makine Öğrenmesi ve İstatistiksel Kuram

Sembolik AI, GOFAI, karar ağaçları, regresyon ve temel istatistiksel modeller.

Toplam Terim:68 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#35)Bagging

Sonraki Terim (#37)Gradient Boosting