Satunnaismetsäregressio ennustaa numeerisia arvoja yhdistämällä useita päätöspuita. Kukin puu opetetaan datan satunnaisotoksella ja satunnaisesti valituilla piirteillä; tulos on kaikkien puiden ennusteiden keskiarvo. Tämä tekee menetelmästä kestävämmän ja vähemmän ylisovittumisalttiin kuin yksittäinen puu. Sitä käytetään esimerkiksi myyntiennusteisiin, hinta-arvioihin tai energiantarpeen arviointiin – usein vankkana lähtökohtana taulukkomuotoiselle datalle.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoPäätöspuu on malli, joka esittää päätöksen sarjana yksinkertaisia kyllä/ei-kysymyksiä: jokainen haara testaa yhtä piirrettä ja jokainen lehti antaa lopputuloksen. Koneoppimisessa tällaiset puut opitaan automaattisesti datasta, ja niitä käytetään luokitteluun tai ennustamiseen. Niiden suurin vahvuus on läpinäkyvyys – ne voivat esimerkiksi osoittaa, miksi lainahakemus merkittiin tulojen, laina-ajan ja maksuhistorian perusteella.
Bagging (lyhenne sanoista bootstrap aggregating) on koneoppimisen ensemble-menetelmä: monta mallia koulutetaan satunnaisesti poimituilla otoksilla opetusdatasta, ja niiden ennusteet keskiarvotetaan tai yhdistetään enemmistöäänestyksellä. Tämä tekee tuloksista vakaampia ja vähentää ylisovittamista. Tunnetuin esimerkki on satunnaismetsä (random forest), joka yhdistää monta päätöspuuta – esimerkiksi asiakaspoistuman tai hintojen ennustamiseen.
Gradient boosting on koneoppimismenetelmä, joka yhdistää monta yksinkertaista mallia – yleensä pieniä päätöspuita – peräkkäin. Jokainen uusi puu koulutetaan nimenomaan vähentämään edellisten jäljelle jättämiä virheitä. Tuloksena on erittäin tarkkoja malleja taulukkodatalle, esimerkiksi luottoriskin, myyntiennusteiden tai asiakaspoistuman todennäköisyyden arviointiin. Tunnettuja toteutuksia ovat XGBoost, LightGBM ja CatBoost; ylisovittamisen välttäminen vaatii huolellista säätöä.
Lineaarinen regressio on tilastollinen menetelmä, joka kuvaa kohdemuuttujan ja yhden tai useamman selittäjän välistä suhdetta suoralla tai tasolla. Kertoimet valitaan yleensä siten, että neliöityjen poikkeamien summa minimoituu. Menetelmä on helppo ymmärtää ja tulkita: sillä voi esimerkiksi arvioida, kuinka paljon liikevaihto kasvaa, kun mainosbudjetti kasvaa 1 000 eurolla. Se tulee rajoihinsa epälineaaristen suhteiden kanssa.
