Please enable JavaScript.
Coggle requires JavaScript to display documents.
Random Forest - Coggle Diagram
Random Forest
O Random Forest é um algoritmo que usa bagging e bootstrap para criar várias árvores de decisão e combiná-las em um único modelo.
Árvores de Decisão
As árvores de decisão são modelos de aprendizado de máquina que usam uma estrutura de árvore para dividir um conjunto de dados em subconjuntos menores com base em um atributo escolhido
-
As árvores de decisão podem ser vulneráveis a overfitting e podem ser menos precisas do que outros modelos mais complexos.
As árvores de decisão são construídas selecionando-se o atributo que fornece a maior redução de entropia ou o maior ganho de informação.
O Random Forest usa uma técnica de amostragem aleatória de atributos para selecionar quais atributos usar em cada árvore de decisão, o que ajuda a evitar overfitting.
O Random Forest é robusto e preciso e pode lidar com uma grande variedade de problemas de aprendizado de máquina.
Bagging
O bagging é usado para reduzir o overfitting e aumentar a precisão do modelo, produzindo uma combinação de várias previsões.
Bagging é uma técnica de aprendizado de máquina que usa múltiplas instâncias do mesmo modelo para reduzir a variância e melhorar a precisão
Bootstrap
Bootstrap é uma técnica estatística que envolve a amostragem com substituição de um conjunto de dados para criar múltiplas amostras.
O bootstrap é usado no bagging para criar várias instâncias do mesmo modelo com diferentes subconjuntos dos dados.