Prezentare generală a algoritmului forestier aleatoriu
Algoritmii sunt un set de pași urmați pentru a face un calcul complex pentru a rezolva problemele. Algoritmii sunt creați pentru a rezolva problemele de învățare automată. Algoritmul forestier aleatoriu este unul dintre acest algoritm utilizat pentru învățarea mașinii. Este utilizat pentru a antrena datele bazate pe datele furnizate anterior și pentru a prezice rezultatul posibil pentru viitor. Este un algoritm foarte popular și puternic de învățare a mașinilor.
Înțelegerea algoritmului forestier aleatoriu
Algoritmul forestier aleatoriu se bazează pe învățarea supravegheată. Poate fi folosit atât pentru probleme de regresie, cât și pentru clasificare. Așa cum sugerează și numele Random Forest poate fi privită ca o colecție de algoritmi de arbori de decizie multiple cu eșantionare aleatorie. Acest algoritm este realizat pentru eradicarea deficiențelor algoritmului arborelui Decizie.
Pădurea întâmplătoare este o combinație între ideea „bagaj” a lui Breiman și selecția aleatorie de caracteristici. Ideea este de a face predicția precisă luând media sau modul de ieșire a mai multor arbori de decizie. Cu cât este considerat mai mare numărul de arbori de decizie, cu atât va fi o producție mai precisă.
Funcționarea pădurii aleatorii:
Pentru a înțelege funcționarea pădurii aleatorii, mai întâi, trebuie să înțelegem funcționarea arborelui decizional, deoarece pădurea aleatoare se bazează pe arbori de decizie
Arborele de decizie
Este un algoritm simplu, dar popular, care urmează o abordare de sus în jos. Fiecare nod din arborele decizional reprezintă un atribut, iar frunza reprezintă rezultatul. Ramurile care leagă nodurile de frunze sunt deciziile sau regulile de predicție. Nodul rădăcină este atributul care descrie cel mai bine setul de date de instruire. Astfel, procesul de ansamblu este diagramat într-o structură asemănătoare arborelui.
Limitările arborelui decizional: tinde să se potrivească cu setul de date de antrenament. Prin urmare, atunci când este utilizat cu un test sau diferite set de date, rezultatele pot fi diferite. Ea duce la decizii slabe. Copacii pot fi instabili, deoarece o ușoară modificare a datelor poate duce la un arbore complet diferit.
Pădurea întâmplătoare folosește metoda de ambalare pentru a obține rezultatul dorit. Conceptul constă în aplicarea algoritmului arborelui decizional pe setul de date, dar de fiecare dată cu diferite eșantioane de date de instruire. Rezultatele acestor arbori de decizie vor fi diferite și ar putea fi părtinitoare pe baza datelor de instruire furnizate algoritmului. Deci, rezultatul final poate fi luat ca medie sau mod al rezultatului arborelui decizional individual. Prin urmare, variația poate fi redusă. Eșantionarea se poate face cu înlocuire. Rezultatele arborilor de decizie sunt clasificate, iar cea cu cel mai mare rang va fi producția finală a Random Forest. Astfel, producția obținută va fi mai puțin părtinitoare și mai stabilă.
Importanța algoritmului forestier aleatoriu:
- Algoritmul forestier aleatoriu poate fi utilizat atât pentru modelele de regresie cât și pentru clasificarea modelelor de învățare automată.
- De asemenea, poate gestiona valorile lipsă din setul de date.
- Spre deosebire de arborele de decizie, acesta nu se va potrivi modelului și poate fi folosit și pentru variabile categorice. Pădurea întâmplătoare adaugă aleatoriu modelului.
- Spre deosebire de arbori de decizie, în loc să caute cea mai importantă caracteristică pentru a construi un arbore de decizie în jurul valorii, acesta caută cea mai bună caracteristică folosind un subset aleatoriu de caracteristici pentru arbori.
- Și apoi generați producția bazată pe cea mai clasată ieșire din arbori de decizie subset.
Exemplu din viața reală
Să presupunem că o fată pe nume Lisa vrea să înceapă o carte, așa că s-a dus la unul dintre prietenii ei David și i-a cerut sugestia. El i-a sugerat Lisa o carte pe baza scriitoarei pe care o citise. În mod similar, ea a mers la câțiva alți prieteni pentru sugestiile lor și pe baza genului, autorului și editorului au sugerat câteva cărți. A făcut o listă din asta. Apoi a cumpărat o carte pe care cei mai mulți prieteni i-au sugerat-o.
Presupunem că prietenii ei sunt arborele de decizie și genul, autorul, editorul etc. fiind caracteristici ale datelor. Prin urmare, Lisa va merge la diferiți prieteni este o reprezentare a diferitor arbori de decizie. Prin urmare, rezultatul algoritmului este cartea care a obținut majoritatea voturilor.
Aplicații ale algoritmului forestier aleatoriu:
- Algoritmul forestier aleatoriu este utilizat în mai multe domenii precum activități bancare, comerț electronic, medicamente, bursă etc.
- În domeniul bancar, este utilizat pentru a determina clienții fideli și frauda. Este utilizat pentru a detecta care client va putea să plătească împrumutul înapoi. Deoarece în domeniul bancar este foarte important să acordăm împrumuturi doar acelor clienți care vor putea să îl plătească la timp. De asemenea, o pădure aleatoare este utilizată pentru a prezice dacă un client este fraudulos sau nu. Creșterea băncii depinde de un astfel de tip de predicție.
- În domeniul medicamentos, pădurea la întâmplare este folosită pentru a diagnostica boala pe baza pacienților care au trecut de fișele medicale.
- Pe piața bursieră, pădurea la întâmplare este utilizată pentru a identifica comportamentul pieței și a stocurilor.
- În domeniul comerțului electronic, acest algoritm este utilizat pentru a prezice preferințele clientului pe baza comportamentului trecut.
Avantaj:
- După cum sa menționat mai sus, algoritmul forestier aleatoriu poate fi utilizat atât pentru regresia cât și pentru tipul de clasificare a problemei. Este ușor de utilizat. Suprafocarea setului de date nu este o problemă în algoritmul forestier aleatoriu.
- Poate fi folosită pentru a identifica cea mai importantă caracteristică printre funcțiile disponibile. Cu utilizarea hiperparametrului se produc adesea predicții bune și este foarte simplu de înțeles.
- Pădurea aleatorie are o precizie ridicată, flexibilitate și o variație mai mică.
Dezavantaj:
- Pe măsură ce numărul de arbori crește, algoritmul devine lent și ineficient în gestionarea scenariilor în timp real.
- Pădurea întâmplătoare consumă mai mult timp în comparație cu arborele de decizie.
- De asemenea, necesită mai multe resurse pentru calcul.
Exemple: Companiile folosesc algoritmi de învățare a mașinilor pentru a-și înțelege mai bine clienții și pentru a-și dezvolta afacerea. Algoritmul forestier aleatoriu poate fi utilizat pentru a înțelege preferințele clientului. Poate fi utilizat și pentru a prezice probabilitatea ca o persoană să cumpere un anumit produs. Să presupunem, având în vedere caracteristici precum greutatea, înălțimea, culoarea, media, consumul de combustibil, etc., al vehiculului, compania poate prezice dacă va fi un produs de succes pe piață sau nu. Poate fi folosit pentru a identifica factorii responsabili de vânzările mari.
Concluzie:
Algoritmul forestier aleatoriu este simplu de utilizat și un algoritm eficient. Se poate prezice cu o precizie ridicată și de aceea este foarte popular.
Articole recomandate
Acesta a fost un ghid pentru algoritmul forestier aleatoriu. Aici discutăm modul de lucru, înțelegere, importanță, aplicare, avantaje și dezavantaje ale algoritmului forestier aleatoriu. Puteți parcurge și alte articole sugerate pentru a afla mai multe -
- Ce este un algoritm?
- Algoritmul Naive Bayes
- Ce este un algoritm lacom?
- Ce este un lac de date?
- Cele mai utilizate tehnici de învățare a ansamblurilor