Речник

Регресия със случайна гора

Какво е Регресия със случайна гора?

Регресията със случайна гора предвижда числови стойности чрез комбиниране на много дървета на решенията. Всяко дърво се обучава върху случайна извадка от данните и случаен избор на признаци; резултатът е средната стойност от прогнозите на всички дървета. Това прави метода по-устойчив и по-малко склонен към свръхнагласяне от отделното дърво. Използва се например за прогнози за продажбите, оценки на цени или потребление на енергия – често като солидна отправна точка за таблични данни.

Теми

регресия
ансамблов метод
дървета на решенията

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Дърво на решенията

Дървото на решенията е модел, който представя едно решение като поредица от прости въпроси с отговор „да/не“: всеки клон проверява един признак, а всеки лист дава резултат. В машинното обучение такива дървета се учат автоматично от данни и се използват за класификация или прогнозиране. Основната им сила е прозрачността – например показват защо дадено кредитно искане е отбелязано въз основа на доход, срок и история на плащанията.

Машинно обучение
Класификация
+1

Bagging

Бегингът (bagging, съкращение от bootstrap aggregating) е ансамблов метод в машинното обучение: много модели се обучават върху случайно избрани извадки от обучителните данни, а прогнозите им се осредняват или обединяват чрез мнозинство. Това прави резултатите по-стабилни и намалява преобучението. Най-известният пример е случайната гора (random forest), която съчетава много дървета на решенията – например за прогнозиране на отлива на клиенти или на цени.

Ансамблови методи
Машинно обучение
+1

Градиентно усилване

Градиентното усилване (gradient boosting) е техника на машинното обучение, която комбинира последователно много прости модели – обикновено малки дървета на решенията. Всяко ново дърво се обучава специално да намалява оставащите грешки на предишните. Резултатът са много точни модели за таблични данни, например за кредитен риск, прогнози за продажбите или вероятност за отпадане на клиенти. Известни имплементации са XGBoost, LightGBM и CatBoost; необходима е внимателна настройка, за да се избегне преобучение.

Машинно обучение
Ансамблов метод
+1

Линейна регресия

Линейната регресия е статистически метод, който описва връзката между целева променлива и един или повече предиктори чрез права или равнина. Коефициентите обикновено се избират така, че да минимизират сумата от квадратите на отклоненията. Методът е лесен за разбиране и тълкуване: например може да оцени с колко нарастват приходите, когато рекламният бюджет се увеличи с 1000 евро. Достига границите си при нелинейни зависимости.

Статистика
Прогнозиране
+1