Rastgele ormanlar

Rastgele ormanlar, denetimli öğrenme sınıflandırması ve regresyon problemleri için kullanılan bir makine öğrenme algoritmasıdır. Tekli karar ağaçlarına kıyasla daha doğru ve istikrarlı bir tahmin için rastgele veri alt kümeleri üzerinde eğitilmiş birden fazla karar ağacının bir araya getirilmesine yönelik bir yöntemdir.

Algoritma 2001 yılında Leo Breiman ve Adele Cutler tarafından geliştirilmiştir. Rastgele ormanlar adındaki “rastgele” kelimesi, her karar ağacını oluşturmak için kullanılan eğitim verilerinin rastgele alt kümelerini ifade eder. Karar ağaçları normalde bir tahminde bulunmak için eğitim veri kümesinin tamamını kullandığından, bu, makine öğrenimi algoritmaları arasında benzersizdir.

Rastgele ormanlar doğruluğu, sağlamlığı, büyük veri kümelerini işleme yeteneği ve çapraz doğrulanmış model çıktısı nedeniyle birçok görev için çekici bir denetimli öğrenme algoritmasıdır. Algoritma, ormandaki çoklu karar ağaçlarından tüm bireysel tahminlerin ortalamasını üretir. Algoritma ayrıca tahmin modelindeki her bir özelliğin önemini hesaplama yeteneğine de sahiptir.

Uygulama açısından Rastgele ormanlar oldukça karmaşık ve uygulanması zordur. Hesaplama açısından yoğundur ve genellikle doğru tahminler yapmak için önemli miktarda kaynak gerektirir. Optimum performans için hiperparametrelerin ayarlanması da zaman alıcı bir süreç olabilir.

Rastgele ormanlar hem sayısal hem de kategorik verileri işleyebilir ve bunlarla sınırlı olmamak üzere çok çeşitli görevlerde kullanılmıştır: regresyon sorunları, bilgisayarla görme, tıbbi teşhis, doğal dil işleme vb. Çok sayıda özellik içeren karmaşık problemler veya veri kümeleri için algoritma.

Genel olarak Rastgele ormanlar, sınıflandırma ve regresyon görevleri için kullanımı kolay, yaygın olarak kullanılabilen ve güçlü bir denetimli öğrenme algoritmasıdır. Son derece doğrudur ve birçok özellik içeren büyük veri kümelerini işleyebilir.