Päätöspuut ja Random Forests
Sääntöpohjaiset ja yhdistelmämallit luokitteluun
Päätöspuut ja Random Forests on ilmainen Data Science Academy-oppitunti CoddyKitissä. Tämä on oppitunti 3/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Data Science Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Data Science Academy-kurssilla on yhteensä 4 oppituntia.
Kysymysten puu
Päätöspuu luokittelee esittämällä piirreluokistanne ketjun kyllä–ei-kysymyksiä, kunnes se päätyy vastaukseen. 🌳
Jaot jokaisessa solmussa
Jokainen haarautumiskohta on jako, sääntö kuten: onko ikä yli 30? Data kulkee vasemmalle tai oikealle testin tuloksen perusteella.
Lehdet sisältävät vastauksen
Kun hyödyllisiä kysymyksiä ei ole enää jäljellä, saavutaan lehteen. Lehden yleisin luokka toimii ennusteena.
Parhaan jaon valitseminen
Puu valitsee jokaisen jaon niin, että ryhmistä tulee mahdollisimman puhtaita. Tätä mitataan esimerkiksi Gini-epäpuhtauden tai entropian avulla.
Helppo lukea
Yksi todellinen vahvuus on tulkittavuus: voitte seurata kysymysten polkua ja selittää tarkasti, miksi ennuste tehtiin.
Puut ylisovittavat helposti
Ilman rajoituksia puu kasvaa syväksi ja opettelee opetusdatan ulkoa. Tämä ylisovittaminen heikentää tarkkuutta uusilla, aiemmin näkemättömillä riveillä.
Rajoittakaa syvyyttä
Kesyttäkää puu rajoittamalla sen kasvua parametrilla max_depth. Näin opetusdatan sovitus heikkenee hieman, mutta yleistyminen paranee huomattavasti.
from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier(max_depth=4)Monet puut päihittävät yhden
Random forest kouluttaa monia puita ja antaa niiden äänestää. Joukko on paljon vakaampi kuin yksittäinen syvä puu.
Jokainen puu näkee vähemmän
Monipuolisuuden vuoksi jokainen puu koulutetaan rivien satunnaisella otoksella ja piirteiden satunnaisella osajoukolla. Tämä monimuotoisuus on menetelmän salainen ase.
Rakentakaa metsä
Se onnistuu scikit-learnissa yhdellä rivillä. Asettakaa n_estimators valitsemaan, kuinka monta puuta yhdistelmään kuuluu.
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=100)Piirteiden tärkeys saatavilla
Koulutettu metsä kertoo ominaisuuden feature_importances_ avulla, mitkä syötteet olivat tärkeimpiä. Se on nopea apu ennusteisiin vaikuttavien tekijöiden ymmärtämiseen.
model.feature_importances_Pikatarkistus
Varmistetaan, miksi metsä parantaa yksittäiseen puuhun verrattuna.
Kertaus
Päätöspuu esittää kysymyksiä lehteen asti; random forest äänestää monien puiden kesken vähentääkseen ylisovittamista. 🎯
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”Päätöspuut ja Random Forests” ilmainen?
Kyllä – oppitunnin ”Päätöspuut ja Random Forests” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Data Science Academy-kurssin, päivitä CoddyKit PROhon. Data Science Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Päätöspuut ja Random Forests”?
Sääntöpohjaiset ja yhdistelmämallit luokitteluun Harjoittelet Data Science Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni Data Science Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin Data Science Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 3/4.
Kuinka kauan ”Päätöspuut ja Random Forests”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä Data Science Academy-oppitunnilla?
Kyllä. Jokainen Data Science Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- Logistinen regressio kyllä–ei-tuloksille
- k-lähimmät naapurit
- Päätöspuut ja Random Forests
- Gradient Boostingin perusteet