Random Forest per la regressione
Ensemble resistenti all'overfitting.
Random Forest per la regressione è una lezione Data Science Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Data Science Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Data Science Academy include 4 lezioni in totale.
Un albero, molti alberi
Un singolo albero è instabile e tende all'overfitting. Una random forest crea centinaia di alberi e li combina in un'unica previsione più stabile. 🌲🌲
La saggezza della folla
Ogni albero fa la propria previsione, poi la foresta ne calcola la media. Gli errori individuali si annullano a vicenda, lasciando un valore più uniforme e affidabile.
Righe diverse per ogni albero
Ogni albero viene addestrato su un campione casuale di righe estratte con reinserimento, una tecnica chiamata bootstrapping. In questo modo ogni albero ha una prospettiva leggermente diversa.
Feature diverse per ogni split
Durante ogni split, inoltre, un albero vede solo un sottoinsieme casuale delle feature. Questa casualità impedisce agli alberi di assomigliarsi tutti.
Perché la varietà è utile
La varietà è il punto centrale: quando gli alberi commettono errori diversi, calcolarne la media riduce le oscillazioni imprevedibili di un singolo albero. Questo diminuisce la varianza.
Addestrarla in due righe
Lo stesso contratto di sempre. Crei un RandomForestRegressor, lo addestri e faccia previsioni, senza alcuna procedura aggiuntiva.
from sklearn.ensemble import RandomForestRegressor
model = RandomForestRegressor().fit(X, y)Quanti alberi
L'impostazione n_estimators stabilisce quanti alberi creare. In genere più alberi aiutano, poi i miglioramenti si stabilizzano, a fronte di un addestramento più lento.
RandomForestRegressor(n_estimators=300)Controllare comunque la profondità
Può limitare anche ogni albero con max_depth. Insieme a molti alberi, la foresta rimane accurata senza memorizzare il rumore.
RandomForestRegressor(max_depth=8)Importanza delle feature integrata
Un vantaggio pratico: la foresta fornisce feature_importances_, indicando quali input hanno influenzato maggiormente le sue previsioni. È ottimo per comprendere i propri dati.
model.feature_importances_Potente e indulgente
Le random forest sono un eccellente default: accurate, difficili da portare in overfitting e bisognose di poco tuning. Spesso sono il primo modello solido da provare sui dati tabulari.
Il costo della potenza
Il compromesso riguarda la chiarezza. Con centinaia di alberi si perde il percorso semplice e leggibile di un singolo albero, quindi una foresta è più difficile da spiegare.
Controllo rapido
Che cosa permette a una foresta di superare un singolo albero?
Riepilogo
Una random forest calcola la media di molti alberi diversi, riducendo la varianza e resistendo all'overfitting. È un ottimo default, con poco tuning, per i dati tabulari numerici. 🎯
Domande Frequenti
La lezione «Random Forest per la regressione» è gratuita?
Sì — il testo completo di «Random Forest per la regressione» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Data Science Academy, passa a CoddyKit PRO. Il corso Data Science Academy include 4 lezioni in totale.
Cosa imparerò in «Random Forest per la regressione»?
Ensemble resistenti all'overfitting. Eserciti Data Science Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Data Science Academy?
Non è richiesta alcuna esperienza precedente. Data Science Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Random Forest per la regressione»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Data Science Academy?
Sì. Ogni lezione Data Science Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Riprendere la regressione lineare
- Regolarizzazione Ridge e Lasso
- Regressione con alberi decisionali
- Random Forest per la regressione