Telegram Group & Telegram Channel
🌳 Ветки в ML: как работает Random Forest

Если вы слышали про деревья решений, но не понимаете, зачем из них делают целый лес — вот схема, чтобы всё стало на свои места. Random Forest — это ансамбль из деревьев, который работает лучше, чем каждое по отдельности.

📦 Input: признаки (features)
🔁Output: предсказание (class или значение)

Step 1: Bootstrap-агрегация (bagging)
📦 Берём случайные подмножества данных
📦 Тренируем дерево на каждом из них
📦 Повторяем N раз

Step 2: Построение деревьев
📦 На каждой вершине выбираем случайный поднабор признаков
📦 Выбираем лучший сплит
📦 Растим дерево до конца (без обрезки)
📦 Повторяем для всех подмножеств

Step 3: Коллективное решение
📦 Все деревья делают предсказания
📦 Классификация: голосуем большинством
📦 Регрессия: считаем среднее

👉 Что важно:
— Каждое дерево «слепо» и нестабильно, но лес — устойчив
— Метод борется с переобучением
— Работает хорошо даже без тюнинга
— Обожают за explainability (важность признаков и out-of-the-box визуализацию)

🔵 Чтобы знать о машинном обучении все, забирайте наш курс «Базовые модели ML и приложения»

Proglib Academy
#буст
Please open Telegram to view this post
VIEW IN TELEGRAM



tg-me.com/proglib_academy/2772
Create:
Last Update:

🌳 Ветки в ML: как работает Random Forest

Если вы слышали про деревья решений, но не понимаете, зачем из них делают целый лес — вот схема, чтобы всё стало на свои места. Random Forest — это ансамбль из деревьев, который работает лучше, чем каждое по отдельности.

📦 Input: признаки (features)
🔁Output: предсказание (class или значение)

Step 1: Bootstrap-агрегация (bagging)
📦 Берём случайные подмножества данных
📦 Тренируем дерево на каждом из них
📦 Повторяем N раз

Step 2: Построение деревьев
📦 На каждой вершине выбираем случайный поднабор признаков
📦 Выбираем лучший сплит
📦 Растим дерево до конца (без обрезки)
📦 Повторяем для всех подмножеств

Step 3: Коллективное решение
📦 Все деревья делают предсказания
📦 Классификация: голосуем большинством
📦 Регрессия: считаем среднее

👉 Что важно:
— Каждое дерево «слепо» и нестабильно, но лес — устойчив
— Метод борется с переобучением
— Работает хорошо даже без тюнинга
— Обожают за explainability (важность признаков и out-of-the-box визуализацию)

🔵 Чтобы знать о машинном обучении все, забирайте наш курс «Базовые модели ML и приложения»

Proglib Academy
#буст

BY Proglib.academy | IT-курсы


Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283

Share with your friend now:
tg-me.com/proglib_academy/2772

View MORE
Open in Telegram


Proglib academy | IT курсы Telegram | DID YOU KNOW?

Date: |

Launched in 2013, Telegram allows users to broadcast messages to a following via “channels”, or create public and private groups that are simple for others to access. Users can also send and receive large data files, including text and zip files, directly via the app.The platform said it has more than 500m active users, and topped 1bn downloads in August, according to data from SensorTower.

Telegram has exploded as a hub for cybercriminals looking to buy, sell and share stolen data and hacking tools, new research shows, as the messaging app emerges as an alternative to the dark web.An investigation by cyber intelligence group Cyberint, together with the Financial Times, found a ballooning network of hackers sharing data leaks on the popular messaging platform, sometimes in channels with tens of thousands of subscribers, lured by its ease of use and light-touch moderation.Proglib academy | IT курсы from tw


Telegram Proglib.academy | IT-курсы
FROM USA