Πίνακας περιεχομένων:

Τι είναι το Nodesize στο τυχαίο δάσος;
Τι είναι το Nodesize στο τυχαίο δάσος;

Βίντεο: Τι είναι το Nodesize στο τυχαίο δάσος;

Βίντεο: Τι είναι το Nodesize στο τυχαίο δάσος;
Βίντεο: 4o μάθημα Επιστήμης Δικτύων: Υπολογισμοί με την Python 2024, Απρίλιος
Anonim

ο κόμβος Η παράμετρος καθορίζει τον ελάχιστο αριθμό παρατηρήσεων σε έναν τερματικό κόμβο. Η ρύθμιση του χαμηλότερου οδηγεί σε δέντρα με μεγαλύτερο βάθος που σημαίνει ότι εκτελούνται περισσότερες διασπάσεις μέχρι τους τερματικούς κόμβους. Σε πολλά τυπικά πακέτα λογισμικού η προεπιλεγμένη τιμή είναι 1 για ταξινόμηση και 5 για παλινδρόμηση.

Επιπλέον, τι είναι το Ntree στο τυχαίο δάσος;

{ ntree } Αριθμός δέντρων προς ανάπτυξη. Στο τυχαία δάση βιβλιογραφία, αυτό αναφέρεται ως το ntree παράμετρος. Μεγαλύτερος αριθμός δέντρων παράγει πιο σταθερά μοντέλα και συμμεταβλητές εκτιμήσεις σημασίας, αλλά απαιτούν περισσότερη μνήμη και μεγαλύτερο χρόνο εκτέλεσης.

Δεύτερον, πόσα δέντρα υπάρχουν σε ένα τυχαίο δάσος; 64 - 128 δέντρα

Από εδώ, τι σημαίνει MTRY σε τυχαίο δάσος;

mtry : Αριθμός μεταβλητών τυχαία δειγματοληψία ως υποψήφιοι σε κάθε διαχωρισμό. ntree: Αριθμός δέντρων προς ανάπτυξη.

Πώς αυξάνετε τον ταξινομητή ενός τυχαίου δάσους;

Υπάρχουν τρεις γενικές προσεγγίσεις για τη βελτίωση ενός υπάρχοντος μοντέλου μηχανικής εκμάθησης:

  1. Χρησιμοποιήστε περισσότερα (υψηλής ποιότητας) δεδομένα και μηχανική λειτουργιών.
  2. Συντονίστε τις υπερπαραμέτρους του αλγορίθμου.
  3. Δοκιμάστε διαφορετικούς αλγόριθμους.

Συνιστάται: