Woordenlijst

Random forest-regressie

Wat is Random forest-regressie?

Random forest-regressie voorspelt numerieke waarden door veel beslisbomen te combineren. Elke boom wordt getraind op een willekeurige steekproef van de gegevens en een willekeurige selectie van features; het resultaat is het gemiddelde van de voorspellingen van alle bomen. Daardoor is de methode robuuster en minder gevoelig voor overfitting dan één enkele boom. Ze wordt bijvoorbeeld gebruikt voor omzetprognoses, prijsschattingen of energievraag – vaak als solide uitgangspunt voor tabelgegevens.

Onderwerpen

regressie
ensemblemethode
beslisbomen

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Beslisboom

Een beslisboom is een model dat een beslissing weergeeft als een reeks eenvoudige ja/nee-vragen: elke tak toetst één kenmerk en elk blad geeft een uitkomst. Bij machine learning worden zulke bomen automatisch uit data geleerd en gebruikt voor classificatie of voorspelling. Hun grote kracht is transparantie – ze laten bijvoorbeeld zien waarom een kredietaanvraag is gemarkeerd op basis van inkomen, looptijd en betalingsverleden.

Machine learning
Inschatting
+1

Bagging

Bagging (kort voor bootstrap aggregating) is een ensemblemethode in machine learning: veel modellen worden getraind op willekeurig getrokken steekproeven uit de trainingsdata, en hun voorspellingen worden gemiddeld of via een meerderheidsstemming gecombineerd. Dat maakt de resultaten stabieler en vermindert overfitting. Het bekendste voorbeeld is de random forest, die veel beslisbomen combineert – bijvoorbeeld om klantverloop of prijzen te voorspellen.

Ensemblemethoden
Machine learning
+1

Gradient boosting

Gradient boosting is een machine-learningtechniek die veel eenvoudige modellen – meestal kleine beslisbomen – na elkaar combineert. Elke nieuwe boom wordt gericht getraind om de resterende fouten van de vorige te verkleinen. Het resultaat zijn zeer nauwkeurige modellen voor tabeldata, bijvoorbeeld voor kredietrisico, omzetvoorspellingen of de kans op klantenverloop. Bekende implementaties zijn XGBoost, LightGBM en CatBoost; zorgvuldige afstemming is nodig om overfitting te voorkomen.

Machine learning
Ensemblemethode
+1

Lineaire regressie

Lineaire regressie is een statistische methode die het verband tussen een doelvariabele en een of meer voorspellers beschrijft met een rechte lijn of vlak. De coëfficiënten worden meestal zo gekozen dat de som van de gekwadrateerde afwijkingen minimaal is. De methode is eenvoudig te begrijpen en te interpreteren: ze kan bijvoorbeeld schatten hoeveel de omzet stijgt als het reclamebudget met € 1.000 toeneemt. Bij niet-lineaire verbanden bereikt ze haar grenzen.

Statistiek
Voorspellen
+1