ریگولرائزڈ گریڈی فاریسٹ، جسے آر جی ایف بھی کہا جاتا ہے، نگرانی میں سیکھنے میں مشین لرننگ کا الگورتھم ہے۔ فیصلے کے درخت کی تعلیم کے ایک ترمیم شدہ ورژن کو استعمال کرتے ہوئے، ریگولرائزڈ گریڈی فاریسٹ ایک ڈیٹا پر مبنی الگورتھم ہے جو اچھی عمومی کارکردگی کے ساتھ ہدف کی خصوصیت کی درست پیشین گوئی فراہم کرتا ہے۔
یہ الگورتھم اصل میں یوشوا بینجیو، جان لافرٹی، اور کورینا کورٹس نے 2005 میں تجویز کیا تھا۔ اسے لیو بریمن کی تیار کردہ رینڈم فاریسٹ تکنیک کی عمومیت سمجھا جاتا ہے۔ ریگولرائزڈ لالچی جنگل فیصلہ کن درختوں کا ایک مجموعہ بنا کر کام کرتا ہے، اسی ان پٹ ڈیٹا کا استعمال کرتے ہوئے تربیت یافتہ۔ یہ ہر درخت کے سیکھنے کے عمل میں دو متغیرات کو بھی تبدیل کرتا ہے۔
ترمیم کے دو متغیرات ہیں ریگولرائزیشن گتانک، الفا، اور سیکھنے کی شرح، لیمبڈا۔ الفا کا استعمال انفرادی درختوں کے وزن میں ترمیم کرنے اور جوڑ کی عمومی کارکردگی کو بہتر بنانے کے لیے کیا جاتا ہے، جب کہ سیکھنے کی شرح، لیمبڈا، درستگی اور عمومی کارکردگی کے درمیان تجارت کو جانچنے کے لیے استعمال ہوتی ہے۔
بایو انفارمیٹکس اور امیج پروسیسنگ جیسے متعدد شعبوں میں باقاعدہ لالچی جنگل کے الگورتھم کا استعمال کیا گیا ہے۔ دیگر موجودہ جوڑ کے طریقوں کے مقابلے میں، RGF ایک شاندار عمومی کارکردگی کا مظاہرہ کرتا ہے جبکہ اعلی جہتی ڈیٹا کی وجہ سے اوور فٹنگ کے خطرے کو بھی کم کرتا ہے۔
مجموعی طور پر، ریگولرائزڈ گریڈی فاریسٹ زیر نگرانی مشین لرننگ کے لیے ایک طاقتور الگورتھم ہے جو درست پیشین گوئیاں کرتا ہے اور اچھی عمومی کارکردگی کے ساتھ۔
حوالہ جات:
یوشوا بینجیو، جان لافرٹی، کورینا کورٹس (2005)۔ "باقاعدہ لالچی جنگل۔" نیورل نیٹ ورکس پر IEEE ٹرانزیکشنز 16 (10): 1875-1889۔
لیو بریمن (2001)۔ "بے ترتیب جنگلات۔" مشین لرننگ 45 (1): 5-32۔