Mamy teraz zbiór drzew decyzyjnych, które możemy agregować, znajdując większościowy
głos dla klasykacji (rysunek 5-5).
Drzewo
A
B
C
D
E
F
Odp.
Grupowanie typu
bootstrap
1
2
3
1
1
2
1
Rysunek 5-5 Głosowanie zwykle oznacza wybranie zwycięzcy
Todrastycznie poprawia wydajność, ponieważ ogranicza zmienność przewidywania, ale
nie wprowadza znacznego błędu. Oznacza to, żejedno drzewo decyzyjne może zawierać
sporo szumu, natomiast wzbiorze drzew decyzyjnych ten szum się znosi. Jest topodobne
docentralnego twierdzenia granicznego.
Losowe lasy
Inną metodą agregowania razem modeli drzew jest losowe wybieranie obszarów cech.
Naprzykład wnaszym ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.