Tentang apakah ini?
Ini adalah algoritme pembelajaran yang diawasi, jika Anda bingung tentang apa pembelajaran yang diawasi, saya sangat menyarankan untuk memeriksa postingan blog saya tentang Perincian Cepat untuk pembelajaran Mesin yang Diawasi sebelum membahasnya.
Seperti yang saya sebutkan, ini adalah algoritma pembelajaran yang diawasi dan dapat digunakan untuk masalah klasifikasi dan masalah Regresi. Namun, algoritme ini berkinerja sangat baik dalam klasifikasi, namun tetap dapat digunakan untuk masalah regresi juga.
Bagaimana cara kerjanya?
Kita tahu bahwa hutan terdiri dari pepohonan, dan semakin banyak pohon berarti semakin kokoh hutan tersebut.
Demikian pula algoritma ini membuat pohon keputusan pada sampel data kemudian mendapatkan prediksi dari masing-masing sampel dan akhirnya memilih solusi terbaik melalui pemungutan suara.
Pengantar pembelajaran Ensemble.
Metode ini menggunakan beberapa algoritma pembelajaran untuk memperoleh kinerja prediktif yang lebih baik daripada yang dapat diperoleh dari algoritma mana pun saja.
Algoritma random forest merupakan metode ensembel yang lebih baik dibandingkan dengan pohon keputusan tunggal karena mengurangi over-fitting dengan merata-ratakan hasilnya.
Jadi begitulah uraian singkat tentang algoritme hutan acak, silakan periksa blog algoritme pohon keputusan dari daftar saya jika Anda memerlukan klarifikasi tentang hal itu, dan selalu beri tahu saya di komentar jika Anda memiliki topik apa pun dalam pikiran yang perlu dipecah menjadi istilah-istilah sederhana. Sampai jumpa di sisi lain😉.
