Fogalomtár

Véletlen erdő regresszió

Mi a(z) Véletlen erdő regresszió?

A véletlen erdő regresszió számértékeket jelez előre úgy, hogy sok döntési fát kombinál. Minden fát az adatok egy véletlen mintáján és a jellemzők véletlen kiválasztásán tanítanak; az eredmény az összes fa előrejelzésének átlaga. Ez a módszert robusztusabbá és az egyetlen fánál kevésbé túlillesztésre hajlamossá teszi. Használják például értékesítési előrejelzésekhez, árbecslésekhez vagy energiaigény-becsléshez – táblázatos adatoknál gyakran megbízható kiindulópontként.

Témák

regresszió
együttes módszer
döntési fák

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

Döntési fa

A döntési fa olyan modell, amely a döntést egyszerű igen/nem kérdések sorozataként ábrázolja: minden ág egy jellemzőt vizsgál, és minden levél egy kimenetet ad. A gépi tanulásban az ilyen fákat az adatokból automatikusan tanulják meg, és osztályozásra vagy előrejelzésre használják. Fő erősségük az átláthatóság – például megmutatják, miért jelölt meg a rendszer egy hitelkérelmet a jövedelem, a futamidő és a fizetési előzmények alapján.

Gépi tanulás
Besorolás
+1

Bagging

A bagging (a bootstrap aggregating rövidítése) a gépi tanulás egyik együttes (ensemble) módszere: sok modellt tanítanak a tanítóadatok véletlenszerűen kiválasztott mintáin, és előrejelzéseiket átlagolják vagy többségi szavazással egyesítik. Ez stabilabbá teszi az eredményeket, és csökkenti a túlillesztést. A legismertebb példa a véletlen erdő (random forest), amely sok döntési fát egyesít – például az ügyfélelvándorlás vagy az árak előrejelzéséhez.

Együttes módszerek
Gépi tanulás
+1

gradiensnövelés

A gradiensnövelés (gradient boosting) olyan gépi tanulási technika, amely sok egyszerű modellt – általában kis döntési fákat – kapcsol egymás után. Minden új fát kifejezetten arra tanítanak, hogy csökkentse az előzők megmaradt hibáit. Az eredmény rendkívül pontos modell táblázatos adatokra, például hitelkockázathoz, értékesítési előrejelzésekhez vagy az ügyfélelvándorlás valószínűségéhez. Ismert megvalósításai az XGBoost, a LightGBM és a CatBoost; a túlillesztés elkerüléséhez gondos hangolás szükséges.

Gépi tanulás
együttes módszer
+1

Lineáris regresszió

A lineáris regresszió olyan statisztikai módszer, amely egy célváltozó és egy vagy több magyarázó változó közötti kapcsolatot egyenessel vagy síkkal írja le. Az együtthatókat általában úgy választják meg, hogy a négyzetes eltérések összege minimális legyen. A módszer könnyen érthető és értelmezhető: például megbecsülhető vele, mennyivel nő a bevétel, ha a reklámköltségvetés 1000 euróval nő. Nemlineáris összefüggéseknél eléri a határait.

Statisztika
előrejelzés
+1