NS asıl fark karar ağacı ve rastgele orman arasındaki bir karar ağacı, bir kararın olası her sonucunu göstermek için bir dallanma yöntemini kullanan bir grafiktir, rastgele bir orman ise tüm karar ağaçlarının çıktılarına dayalı olarak nihai sonucu veren bir dizi karar ağacıdır.

Makine öğrenimi, bir sisteme geçmiş deneyimlere dayanarak öğrenme ve iyileştirme yeteneği veren bir Yapay Zeka uygulamasıdır. Karar ağacı ve rastgele orman, makine öğreniminde iki tekniktir. Bir karar ağacı, bir dizi ilgili seçeneğin olası sonuçlarını haritalandırır. Basit ve anlaşılması daha kolay olduğu için popülerdir. Veri kümesi çok daha büyük olduğunda, tek bir karar ağacı tahmini bulmak için yeterli değildir. Karar ağaçlarının bir koleksiyonu olan rastgele bir orman bu konuya bir alternatiftir. Rastgele ormanın çıktısı, tüm karar ağaçlarının çıktılarına dayanır.

Karar Ağacı, Makine Öğrenimi, Rastgele Orman

Karar Ağacı Nedir?

Karar ağacı, bir eylem rotasını belirlemek için kullanılan bir ağaç şekli diyagramıdır. Ağacın her dalı olası bir kararı, oluşumu veya tepkiyi temsil eder.

Bir karar ağacıyla ilişkili birkaç terim vardır. Entropi, veri setindeki öngörülemezliğin ölçümüdür. Veri kümesini böldükten sonra, tahmin edilemezlik azaldıkça entropi seviyesi azalır. Bilgi kazancı, veri setini tükürdükten sonra entropinin azalmasıdır. Verileri, bilgi kazancı daha yüksek olacak şekilde bölmek önemlidir. Nihai kararlar veya sınıflandırmalar yaprak düğümler olarak adlandırılır. En üstteki veya ana düğüme kök düğüm denir. Veri kümesi, son entropi sıfır olana kadar bölünmelidir.

Basit bir karar ağacı aşağıdaki gibidir.

Şekil 1: Karar Ağacı

Yukarıdaki karar ağacı bir dizi meyveyi sınıflandırır. 4 üzüm, 2 elma ve 2 portakal var. Çapın 5'ten küçük olduğu düşünüldüğünde, üzümler bir tarafa, portakallar ve elmalar diğer tarafa ayrılır. Üzüm sıfır entropiye sahip olduğu için daha fazla sınıflandırılamaz. Renge göre yani meyvenin kırmızı olup olmamasına göre sınıflandırma yapılırken elmalar bir tarafta, portakallar diğer tarafta sınıflandırılır. Böylece bu karar ağacı bir elmayı, üzümü veya portakalı %100 doğrulukla sınıflandırır.

Genel olarak, bir karar ağacının anlaşılması basit, yorumlanması ve görselleştirilmesi daha kolaydır. Çok fazla veri hazırlığı gerektirmez. Hem sayısal hem de kategorik verileri işleyebilir. Öte yandan, verilerdeki gürültü fazla uyum sağlamaya neden olabilir. Ayrıca model, küçük varyasyonlar nedeniyle de kararsız hale gelebilir.

Rastgele Orman Nedir?

Rastgele orman, eğitim aşamasında birden fazla karar ağacı oluşturarak çalışan bir yöntemdir. Ağaçların çoğunluğunun kararları, rastgele ormanın nihai kararıdır. Basit bir örnek aşağıdaki gibidir.

Bir dizi meyve (kiraz, elma ve portakal) olduğunu varsayalım. Aşağıda bu üç meyve türünü kategorize eden üç karar ağacı verilmiştir.

Şekil 2: Karar ağacı 1

Şekil 3: Karar Ağacı 2

Şekil 4: Karar Ağacı 3

Modele çapı 3 olan yeni bir meyve verilir. Bu meyve turuncu renklidir ve yaz aylarında yetişir. İlk karar ağacı onu portakal olarak sınıflandıracaktır. İkinci karar ağacı onu kiraz, üçüncü karar ağacı ise portakal olarak sınıflandırır. Üç ağaç da göz önüne alındığında, portakal için iki çıktı vardır. Bu nedenle, rastgele ormanın son çıktısı bir portakaldır.

Genel olarak, rastgele orman, daha büyük bir veri kümesinde doğru sonuçlar sağlar. Ayrıca aşırı takma riskini de azaltır.

Karar Ağacı ve Rastgele Orman Arasındaki Fark

Tanım

Karar ağacı, ağaç benzeri bir grafik veya karar modeli ve şans olay sonuçları, kaynak maliyetleri ve fayda dahil olmak üzere olası sonuçları kullanan bir karar destek aracıdır. Rastgele ormanlar, eğitim zamanında çok sayıda karar ağacı oluşturarak ve bireysel ağaçlara bağlı olarak sınıfın çıktısını alarak çalışan bir topluluk öğrenme yöntemidir.

Aşırı uyum gösterme

Bir karar ağacında fazla uydurma olasılığı vardır. Rastgele ormanda birden fazla ağacın kullanılması, fazla takma riskini azaltır.

Kesinlik

Rastgele bir orman, bir karar ağacından daha doğru sonuçlar verir.

karmaşıklık

Bir karar ağacı, nispeten daha karmaşık olan rastgele bir ormandan daha basit ve anlaşılması, yorumlanması ve görselleştirilmesi daha kolaydır.

Çözüm

Karar ağacı ve rastgele orman arasındaki fark, karar ağacının bir kararın olası her sonucunu göstermek için dallanma yöntemini kullanan bir grafik olması, rastgele orman ise tüm çıktılara dayalı nihai sonucu veren bir dizi karar ağacı olmasıdır. karar ağaçları.

Referans:

1. Rastgele Orman Algoritması – Rastgele Orman Açıklaması | Machine Learning'de Rastgele Orman, Simplilearn, 12 Mart 2018, Buradan ulaşabilirsiniz.