Glossário

Regressão com floresta aleatória

O que é Regressão com floresta aleatória?

A regressão com floresta aleatória (random forest) prevê valores numéricos combinando muitas árvores de decisão. Cada árvore é treinada com uma amostra aleatória dos dados e uma seleção aleatória de características; o resultado é a média das previsões de todas as árvores. Isto torna o método mais robusto e menos propenso ao sobreajuste do que uma árvore isolada. É utilizada, por exemplo, em previsões de vendas, estimativas de preços ou da procura de energia – muitas vezes como ponto de partida sólido para dados tabulares.

Temas

regressão
método de ensemble
árvores de decisão

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Árvore de decisão

Uma árvore de decisão é um modelo que representa uma decisão como uma sequência de perguntas simples de sim/não: cada ramo testa uma característica e cada folha dá um resultado. No machine learning, estas árvores são aprendidas automaticamente a partir de dados e usadas para classificação ou previsão. O seu ponto forte é a transparência – por exemplo, mostrar por que razão um pedido de crédito foi assinalado com base no rendimento, no prazo e no historial de pagamentos.

Aprendizagem automática
Classificação
+1

Bagging

O bagging (abreviatura de bootstrap aggregating) é um método de ensemble em aprendizagem automática: muitos modelos são treinados com amostras dos dados de treino extraídas aleatoriamente, e as suas previsões são calculadas em média ou combinadas por votação maioritária. Isto torna os resultados mais estáveis e reduz o sobreajuste. O exemplo mais conhecido é a random forest, que combina muitas árvores de decisão – por exemplo, para prever o abandono de clientes ou preços.

Métodos de ensemble
Aprendizagem automática
+1

Gradient boosting

O gradient boosting é uma técnica de machine learning que combina muitos modelos simples – normalmente pequenas árvores de decisão – uns a seguir aos outros. Cada nova árvore é treinada especificamente para reduzir os erros restantes das anteriores. O resultado são modelos muito precisos para dados tabulares, por exemplo para risco de crédito, previsões de vendas ou probabilidade de abandono. Implementações conhecidas são o XGBoost, o LightGBM e o CatBoost; é necessário um ajuste cuidadoso para evitar o sobreajuste.

Aprendizagem automática
Método de ensemble
+1

Regressão linear

A regressão linear é um método estatístico que descreve a relação entre uma variável-alvo e um ou mais preditores através de uma reta ou de um plano. Os coeficientes são geralmente escolhidos de modo a minimizar a soma dos quadrados dos desvios. O método é fácil de compreender e interpretar: por exemplo, pode estimar quanto sobe a receita quando o orçamento de publicidade aumenta 1000 €. Atinge os seus limites em relações não lineares.

Estatística
Previsão
+1