Sõnastik

Otsustuspuu

Mis on Otsustuspuu?

Otsustuspuu on mudel, mis kujutab otsust lihtsate jah/ei-küsimuste jadana: iga haru kontrollib ühte tunnust ja iga leht annab tulemuse. Masinõppes õpitakse sellised puud andmetest automaatselt ja neid kasutatakse klassifitseerimiseks või prognoosimiseks. Nende peamine tugevus on läbipaistvus – näiteks näitavad need, miks laenutaotlus sissetuleku, tähtaja ja maksete ajaloo põhjal märgiti.

Kuidas KI.ordo aitab

KI.ordo töövoogudes saab lihtsaid otsustusteid modelleerida plokkidega „Tingimus“ (jah/ei) ja „TI otsustaja“ (kuni 8 kategooriat).

Loe lähemalt

Teemad

Masinõpe
Liigitus
Läbipaistvus

Proovi KI.ordot

Agendid, töövood ja mallid ühes tööruumis – tasuta 24-tunnine demo.

Alusta demot

← Kõik terminid

Seotud terminid

Juhumetsa regressioon

Juhumetsa regressioon ennustab arvväärtusi, kombineerides paljusid otsustuspuid. Iga puud treenitakse andmete juhuvalimil ja tunnuste juhuslikul valikul; tulemus on kõigi puude ennustuste keskmine. See muudab meetodi töökindlamaks ja vähem ülesobitamisele kalduvaks kui üksik puu. Seda kasutatakse näiteks müügiprognoosideks, hinnahinnanguteks või energiavajaduse ennustamiseks – sageli tugeva lähtepunktina tabeliandmete jaoks.

regressioon
ansamblimeetod
+1

Gradientvõimendus

Gradientvõimendus (gradient boosting) on masinõppe võte, mis ühendab paljusid lihtsaid mudeleid – tavaliselt väikseid otsustuspuid – üksteise järel. Iga uut puud treenitakse spetsiaalselt eelmiste järelejäänud vigade vähendamiseks. Tulemuseks on tabelandmete jaoks väga täpsed mudelid, näiteks krediidiriski, müügiprognooside või klientide lahkumise tõenäosuse hindamiseks. Tuntud teostused on XGBoost, LightGBM ja CatBoost; ülesobitamise vältimiseks on vaja hoolikat häälestamist.

Masinõpe
Ansamblimeetod
+1

Klassifikaator

Klassifikaator on mudel või meetod, mis määrab sisendid ühte mitmest etteantud kategooriast. Klassikalisi variante, nagu otsustuspuud või naiivne Bayes, treenitakse märgendatud näidetega; keelemudelid saavad tekste sorteerida ka kategooriate kirjelduse põhjal. Tüüpilised kasutusalad on rämpsposti tuvastamine, klienditaotluste sorteerimine teemade kaupa ja kviitungite kategoriseerimine. Kvaliteeti mõõdetakse selliste mõõdikutega nagu täpsus (accuracy), täpsus (precision) ja saagis (recall).

Liigitus
Masinõpe
+1

Mall

Heuristika

Heuristika on kogemusreeglid või lihtsustatud strateegiad, mis viivad mõistliku aja jooksul hea, kuigi mitte tingimata optimaalse lahenduseni. Arvutiteaduses ja TI-s aitavad need kitsendada tohutuid otsinguruume – näiteks marsruudi planeerimisel, kus sihtkohani joonkaugus on hinnanguks, või males, kus positsioone hinnatakse. Inimesed kasutavad heuristikat ka igapäevastes ja äriotsustes, millega kaasneb süstemaatiliste mõtlemisvigade oht.

Probleemilahendus
Algoritmid
+1