Эта статья является продолжением предыдущей: Классификация деревьев решений.
Это оно! В сегодняшней статье я познакомлю вас с самым последним алгоритмом, о котором я буду говорить, а именно с классификацией случайного леса.
Прежде чем углубиться в это, убедитесь, что вы прочитали мою предыдущую статью Классификация деревьев решений. Эта статья будет довольно короткой, так как концепция та же, о которой мы говорили в Регрессии случайного леса.
По сути, случайный лес — это алгоритм, объединяющий множество деревьев решений.
Как мы уже говорили ранее, случайный лес – это тип обучения ансамблем, а обучение ансамблем, по сути, берет меньшую модель и выполняет ее несколько раз.
Короче говоря, взять один и тот же алгоритм и повторить его несколько раз, чтобы увидеть совпадения с прогнозом.
Вот оно!
Чтобы быстро помочь вам в применении классификации случайных лесов с помощью Scikit-Learn:
from sklearn.ensemble import RandomForestClassifier clf = RandomForestClassifier(n_estimators=10) # n_estimators = number of trees clf.fit(X, y)
Как я и обещал, это будет довольно короткая статья.
Я надеюсь, что эта серия статей о машинном обучении окажется полезной, и следите за новостями!
Присоединяйтесь к ИИ и оседлайте волну.
