Глоссарий ИИ
Полный словарь искусственного интеллекта
Случайный лес
Метод ансамбля, который объединяет несколько деревьев решений, обученных на подвыборках данных, для улучшения предсказательной точности и уменьшения переобучения.
Бэггинг
Техника бутстрэп-агрегирования, где несколько моделей обучаются на разных бутстрэп-выборках, а их прогнозы объединяются путем большинства голосов.
Деревья решений
Предсказательные модели, которые создают древовидную структуру решений на основе характеристик данных для получения окончательного прогноза.
Out-of-Bag
Выборки, не отобранные при бутстрэпе для конкретного дерева, используемые как внутренний набор валидации для оценки ошибки обобщения.
Сэмплирование признаков
Случайный выбор подмножества признаков при каждом разделении узла, что увеличивает разнообразие между деревьями в лесу.
Голосование большинством
Метод агрегации, где предсказанный класс - это тот, который получает большинство голосов от всех деревьев для задач классификации.
Усреднение предсказаний
Техника агрегации для регрессии, где окончательное предсказанное значение - это среднее всех предсказаний деревьев леса.
Терминальный узел
Лист дерева решений, где дальнейшее разделение не производится, содержащий окончательное предсказание для выборок, достигающих этой точки.
Критерий разделения
Метрика, используемая для оценки качества разделения узла, такой как индекс Джини или энтропия для классификаций.
Гиперпараметры
Настраиваемые параметры перед обучением, которые управляют поведением случайного леса, такие как количество деревьев или максимальная глубина.