ต้นไม้การตัดสินใจและป่าสุ่ม

A random forest combines hundreds of such trees and lets them vote, which is far more accurate and robust.

แผนผังการตัดสินใจจะแบ่งข้อมูลทีละขั้นตอน โดยในแต่ละโหนดจะเลือกคุณลักษณะและเกณฑ์ที่แยกผลลัพธ์ได้ดีที่สุด จากนั้นแยกย่อยจนกว่าจะถึงการคาดการณ์ทีละขั้นตอน ต้นไม้เป็นที่นิยมเพราะอ่านง่าย คุณสามารถติดตามได้อย่างชัดเจนว่าเหตุใดจึงตัดสินใจ จุดอ่อนของพวกเขาคือการติดตั้งมากเกินไป โดยที่ต้นไม้ลึกจะจดจำสัญญาณรบกวนและคาดการณ์ข้อมูลใหม่ได้ไม่ดี ฟอเรสต์แบบสุ่มแก้ไขปัญหานี้โดยการฝึกต้นไม้จำนวนมากเกี่ยวกับชุดย่อยแบบสุ่มของข้อมูล (เทคนิคที่เรียกว่าการบรรจุถุง) และชุดย่อยแบบสุ่มของคุณลักษณะในแต่ละการแยก ต้นไม้ทำผิดพลาดต่างกัน ดังนั้นการเฉลี่ยคะแนนเสียงของพวกเขาจะยกเลิกข้อผิดพลาดแต่ละรายการ ผลลัพธ์ที่ได้คือหนึ่งในอัลกอริธึมที่มีการปรับแต่งต่ำและน่าเชื่อถือที่สุดสำหรับข้อมูลแบบตาราง ซึ่งใช้กันอย่างแพร่หลายก่อนที่จะเข้าถึงการเรียนรู้เชิงลึก