RandomForests

Breiman Ve Cutler'in Rastgele Orman Algoritması

RandomForests bir bagging aracıdır ve kesin modeller oluşturmak için çoklu alternatif analizleri, rastgele dağıtma stratejileri ve genel uyum öğreniminin gücünü birleştirmektedir. Ayrıca, akıllı değişken önemine göre sıralama ve derin verinin anlaşılması amacıyla kayıt bazında raporlama diğer özellikleridir. Üstün yanları; veri içerisindeki aykırı değerlerin ve anomalilerin belirlenmesi, yakınlık kümelerinin gösterilmesi,tahminlerin yapılması, önemli tahmin edicilerin tanımlanması, veri şekillerinin bulunması, kayıp verilerin yerinin doldurulması ve anlamlı grafiklerin oluşturulmasıdır.

Küme Ve Bölüm

RandomForests ile oluşturulan modeller ağaçlar oluşturulduktan sonra uygulanan metodlarla elde edilir ve veri içindeki kümeleri ya da bölümleri tanımlamak için kullanılan yeni teknolojiyi ve aynı zamanda önemli değişkenleri sıralamaya yarayan yeni metodları içerir. Bu metot, Kaliforniya Berkeley Üniversitesi'nden Leo Breiman ve Adele Cutler tarafından geliştirilmiştir ve yalnızca Salford Systems lisansı altında kullanılmaktadır. RandomForests'ın yaşayan mucidi Profesör Adele Cutler ile beraber Salford Systems tarafından yürütülen geliştirme çalışmaları devam etmektedir.

Geniş Veri Setleri İçin Uygunluk

RandomForests birbirinden etkilenmeyen pekçok CART ağacının bütünüdür. Her bir karar ağacının yaptığı tahminin toplamı, tüm ormanın tahminini oluşturur. RandomForests küçük br orta büyüklükteki ve 10000 satırdan az sayıdaki veri setlerinin kompleks veri yapılarında etkili olmaktadır ve bu setlerde sütün sayısı ise milyonları bulabilmektedir.

Türkiye Klinikleri Biyoistatistik Dergisi , 2011 Random Forests Yöntemi ve Sağlık Alanında Bir Uygulama

RandomForests'ın Kullanımı

 

Facebooktwittergoogle_pluspinterestlinkedinmail