สิ่งตีพิมพ์ในหัวข้อ 'decision-tree-regressor'


การดูพฤติกรรมไม่เชิงเส้นของแผนผังการตัดสินใจและฟอเรสต์สุ่มในการแก้ปัญหาการถดถอย
ทำความเข้าใจว่าโมเดล Machine Learning เหล่านี้ทำงานอย่างไรโดยการแสดงภาพพฤติกรรมในพื้นที่สามมิติ บทความนี้ได้รับแรงบันดาลใจจากความสนใจของฉันในการพัฒนาสัญชาตญาณการมองเห็นเกี่ยวกับการถดถอยที่ดำเนินการโดยโมเดลการเรียนรู้ของเครื่อง เช่น ต้นไม้การตัดสินใจ และป่าสุ่ม ฉันเลือกชุดข้อมูลขนาดเล็กที่อนุญาตให้มีการแสดงภาพสามมิติของตัวแปรและพื้นที่โซลูชันของแบบจำลอง ผลลัพธ์นี้แสดงให้เห็นพฤติกรรมที่ไม่เป็นเชิงเส้นของพวกมันได้ดีมาก และช่วยให้เข้าใจความสามารถในการแก้ไขปัญหาหลายมิติที่ซับซ้อนได้ดีขึ้น..