Публикации по теме 'random-forest'
Глава 5: Классификатор случайного леса
Классификатор случайного леса - это ансамблевой алгоритм. В следующих 1-2 постах мы рассмотрим такие алгоритмы. Ансамблевые алгоритмы - это алгоритмы, которые объединяют более одного алгоритма одного или разных типов для классификации объектов. Например, прогон прогнозирования по наивному байесовскому алгоритму, SVM и дереву решений с последующим голосованием для окончательного рассмотрения класса для тестового объекта.
В этой статье мы увидим математику, лежащую в основе..
Что такое «нестандартная» выборка в модели случайного леса?
Что такое «нестандартная» выборка в модели случайного леса?
Предположим, в нашем наборе данных есть N примеров (строк). Каждое дерево в нашем случайном лесу содержит выборку начальной загрузки набора данных, что означает набор из N выборок, случайно выбранных (с заменой) из набора данных. С заменой означает, что каждая случайная выборка выбирается из полного набора данных (т.е. перед выбором следующей выборки мы возвращаем только что выбранную выборку).
Теперь вероятность..
Как я улучшил производительность своей модели машинного обучения с 70% до 95%
Ансамблевое обучение: эффективный способ повысить производительность вашей модели машинного обучения!
В моем предыдущем блоге я объяснил предвзятость, дисперсию и неустранимые ошибки.
Вот ссылка на блог -› Неустранимая ошибка дисперсии смещения и компромисс сложности модели
Одним из методов уменьшения этих ошибок (предвзятости и дисперсии) является ансамблевое обучение. Он объединяет несколько моделей машинного обучения для получения оптимизированных результатов с уменьшенной..
Используйте это для важности функции
Построение точных моделей - это то, на чем специалист по анализу данных занимается построением моделей. Однако при доработке модели и демонстрации результатов заинтересованным сторонам интерпретируемость модели дает представление о ее работе, а также помогает в принятии важных бизнес-решений. Важность функции - отличный инструмент, который помогает понять, какие функции больше всего помогают модели при прогнозировании. Кроме того, поскольку большинство наиболее эффективных моделей, как..
СЛУЧАЙНЫЙ ЛЕС
СЛУЧАЙНЫЙ ЛЕС
АНСАМБЛЬНЫЕ ТЕХНИКИ
Прежде чем мы начнем со случайного леса, нам нужно уточнить метод и его типы метода ансамбля .
Ансамблевый метод
Метод ансамбля - это метод, который создает несколько моделей (со случайным подмножеством строк с перекрытием), а затем объединяет различные модели в одну эффективную модель. Метод ансамбля обычно дает более точные решения, чем отдельная модель.
Технику ансамбля обычно подразделяют на два типа: Бэггинг и Усиление. Здесь в..
Ограничение случайной регрессии леса
Как правила соседства могут повредить вашим прогнозам.
Случайный лес - популярная модель машинного обучения, которая обычно используется для задач классификации, что можно увидеть во многих научных статьях, конкурсах Kaggle и сообщениях в блогах. В дополнение к классификации случайные леса также могут использоваться для задач регрессии. Нелинейная природа случайного леса может дать ему преимущество перед линейными алгоритмами, что делает его отличным вариантом. Однако важно знать..
Редкие леса с FIL
Вступление
RAPIDS 0.9 представил библиотеку логических выводов леса, известную как FIL. FIL значительно ускоряет вывод (прогноз) для моделей на основе деревьев, включая модели деревьев решений с градиентным усилением (например, из XGBoost и LightGBM) и случайных лесов. (Чтобы глубже погрузиться в библиотеку в целом, ознакомьтесь с оригинальным блогом FIL .)
Модели в исходном файле FIL хранятся в виде плотных двоичных деревьев. То есть хранение дерева предполагает, что все листовые..