Random Forest för regression

Ett enskilt träd är instabilt och överanpassar. En random forest bygger hundratals träd och kombinerar dem till en stabilare prediktion. 🌲🌲

Varje träd gör sin egen gissning och skogen beräknar medelvärdet av dem. Individuella misstag tar ut varandra, vilket ger ett jämnare och mer tillförlitligt tal.

Varje träd tränas på ett slumpmässigt urval av rader som dras med återläggning, ett knep som kallas bootstrapping. Det ger varje träd en något annorlunda bild.

Vid varje uppdelning ser trädet dessutom bara en slumpmässig delmängd av egenskaperna. Denna slumpmässighet hindrar träden från att bli likadana.

Variation är hela poängen: när träden gör olika slags misstag minskar medelvärdet de kraftiga svängningarna hos ett ensamt träd. Det sänker variansen.

Samma kontrakt som alltid. Skapa en RandomForestRegressor, träna den och gör prediktioner utan någon extra ceremoni.

Inställningen n_estimators anger hur många träd som ska byggas. Fler träd hjälper vanligtvis, tills effekten planar ut, men träningen blir långsammare.

Ni kan även begränsa varje träd med max_depth. Tillsammans med många träd förblir skogen träffsäker utan att memorera brus.

En praktisk bonus är att skogen rapporterar feature_importances_, som rangordnar vilka indata som påverkade prediktionerna mest. Utmärkt för att förstå era data.

Random forests är ett utmärkt standardval: träffsäkra, svåra att överanpassa och kräver lite finjustering. Ofta är de er första starka modell för tabulära data.

Kompromissen är tydlighet. Med hundratals träd förlorar ni den enkla, lättlästa vägen genom ett enskilt träd, så en skog är svårare att förklara.

En random forest beräknar medelvärdet av många varierade träd, minskar variansen och motverkar överanpassning. Ett starkt standardval som kräver lite finjustering för tabulära tal. 🎯