ในการบรรจุ ต้นไม้แต่ละต้น เป็นอิสระจากกัน เพราะต้นไม้แต่ละต้นพิจารณาคุณสมบัติและตัวอย่างที่แตกต่างกัน
การบรรจุถุงในแผนผังการตัดสินใจคืออะไร
Bagging (Bootstrap Aggregation) ใช้ เมื่อเป้าหมายของเราคือลดความแปรปรวนของแผนผังการตัดสินใจ แนวคิดนี้คือการสร้างชุดย่อยของข้อมูลหลายชุดจากตัวอย่างการฝึกอบรมที่เลือกแบบสุ่มพร้อมการแทนที่ … ใช้ค่าเฉลี่ยของการคาดคะเนทั้งหมดจากทรีต่าง ๆ ซึ่งแข็งแกร่งกว่าทรีตัดสินใจเดียว
ทำไมการบรรจุถุงจึงสร้างต้นไม้ที่มีความสัมพันธ์กัน
ต้นไม้ในถุงของเราทั้งหมดมีแนวโน้มที่จะ ตัดแบบเดียวกันเพราะต้นไม้ทั้งหมดมีลักษณะเหมือนกัน ทำให้ต้นไม้เหล่านี้ดูคล้ายคลึงกันมากจึงเพิ่มความสัมพันธ์ เพื่อแก้ไขความสัมพันธ์ของต้นไม้ เราอนุญาตให้ฟอเรสต์สุ่มสุ่มเลือกตัวทำนาย m เท่านั้นในการดำเนินการแยก
ป่าสุ่มห่อคืออะไร
Bagging เป็นอัลกอริธึมชุดที่พอดีกับหลายรุ่นในชุดย่อยต่างๆ ของชุดข้อมูลการฝึก จากนั้นจึงรวมการคาดคะเนจากทุกรุ่น ฟอเรสต์สุ่มคือส่วนขยาย ของการบรรจุที่สุ่มเลือกชุดย่อยของคุณสมบัติที่ใช้ในตัวอย่างข้อมูลแต่ละรายการ.
การบรรจุถุงทำงานอย่างไรในป่าสุ่ม
อัลกอริธึมฟอเรสต์แบบสุ่มคือ อัลกอริธึมการใส่ถุง: และในที่นี้ เราสุ่มตัวอย่างบูตสแตรปแบบสุ่มจากชุดการฝึกของคุณ อย่างไรก็ตาม นอกจากตัวอย่างบูตสแตรปแล้ว เรายังสุ่มชุดย่อยของคุณสมบัติสำหรับการฝึกต้นไม้แต่ละต้น ในการบรรจุถุง เราจัดเตรียมชุดคุณสมบัติครบถ้วนให้แต่ละต้น