وتشكل أشجار القرار والغابات العشوائية خوارزميات التعلم الشعبي التي تستخدم في مهام التعلم الخاضعة للإشراف، وهي فعالة في مجال التصنيف والتراجع، وتستخدم على نطاق واسع بسبب إمكانية تفسيرها وأدائها، ويوفر هذا الدليل خطوات عملية لتنفيذ هذه الخوارزميات في تطبيقات العالم الحقيقي.

فهم اتجاهات القرار

وتشكل شجرة القرار هيكلاً شبيهاً بالهيكل الذي يمثل فيه كل عقد داخلي قراراً يستند إلى سمة، ويمثل كل عقد من معادلة أوراق الأوراق نتيجة أو توقعات، وهي تقسم البيانات استناداً إلى قيم سمية لتقليل الشبهة أو الخطأ إلى أدنى حد.

ولتنفيذ شجرة القرار، اختيار مجموعة بيانات، وتهيئتها مسبقا، واختيار معيار تقسيم مثل شدة جيني أو الضم، وتبنى الشجرة بتقسيم البيانات بصورة علاجية إلى أن يتم استيفاء الشروط اللازمة، مثل أقصى درجة من العمق أو الحد الأدنى من العينات لكل ورقة.

تنفيذ الغابات العشوائية

والغابات العشوائية هي مجموعات من أشجار القرار التي تحسن دقة التنبؤ والسيطرة على التقلبات، وهي تجمع بين التنبؤات بالأشجار المتعددة، وكلها مدربة على عينة من الأحذية من البيانات مع عشوائيات السمات.

تنفيذ غابة عشوائية، وتحديد عدد الأشجار، والعمق الأقصى، والمواصفات الأخرى التي ترتفع فيها الحرارة، وأثناء التدريب، تبنى كل شجرة بشكل مستقل، ويتم التنبؤ النهائي بالأغلبية التصويت (التصنيف) أو بالخطأ (التراجع).

الأطر العملية للتنفيذ

  • - تطبيع أو تشفير الملامح حسب الحاجة قبل التدريب.
  • استخدام الرواسب المتقاطعة في المقاييس الفائقة الدقة مثل عمق الأشجار وعدد الأشجار.
  • تقييم الأداء النموذجي مع القياسات مثل الدقة، الدقة، أو الخطأ المربع.
  • تصور أشجار القرار للتفسير عند الإمكان.
  • :: تأجير المكتبات الموجودة مثل نظام التعلم من أجل التنفيذ الفعال.