Random Forest Algoritması (Rassal Orman) | Machine Learning [7]
Merhaba, bu yazımda makine öğrenmesi algoritmaları üzerinden devam edeceğiz . Sıradaki algoritmamız Random Forest .
Peki Random Forest nedir ?
Sınıflandırma işlemi esnasında birden fazla karar ağacı üreterek sınıflandırma değerini yükseltmeyi hedefleyen bir algoritmadır. Bireysel olarak oluşturulan karar ağaçları bir araya gelerek karar ormanı oluşturur. Buradaki karar ağaçları bağlı olduğu veri setinden rastgele seçilmiş birer alt kümedir.
Fark ettiyseniz Random Forest karar ağaçlarının bir nevi birleşiminden oluşan bir algoritma. Bu yüzden bu iki algoritmayı karşılaştırarak öğrenmenin daha basit olacağı düşüncesindeyim . Bu yüzden karar ağaçlarının basitçe üstünden geçerek yol alalım .
Bir karar ağacı aşağıdakilerden oluşan bir şekildir:
- Şans noktaları (Daireler)
- Karar noktaları (Kareler)
- Karar dalları (Seçenekler)
- Şans dalları (Olaylar)
- Son noktalar (Getiriler veya faydalar)
Karar ağaçlarının ;
Avantajları:
- Anlaması ve yorumlaması kolaydır.
- Kullanılan ve oluşturulan yapılar görsellenebilir.
- Az oranda bir veri hazırlığına ihtiyaç duyar.
Dezavantajları:
- Veriyi iyi bir şekilde açıklamayan aşırı karmaşık ağaçlar üretilebilir. Kısaca komplike yapılarda dezavantaj sağlar.
Hatırlatmalarımızı ve kısa bir özetimizi geçtikten sonra gelin Random Forest’ı detaylı inceleyelim.
Random Forest Algoritması
- Tek bir ağacın aksine birden fazla ağaç oluşturulur.
- Sınıflandırma durumunda ormandaki tüm ağaçlar arasında en çok oyu alan seçilir.
- Regresyon durumunda , farklı ağaçların çıktılarının ortalaması alınır.
Random Forest Algoritmasının ;
Avantajları:
- Bu algoritma çok kararlı bir algoritmadır.
- Mevcut makine öğrenmesi sistemlerinin çoğunu oluşturan hem sınıflandırma hem de regresyon problemleri için kullanılabilir.
Dezavantajları:
- Genel olarak bu algoritmalar hızlı bir şekilde eğitilebilir, ancak bir kez eğitildiklerinde tahminler oluşturmak için oldukça yavaştır.
- Sınıflandırmada iyi ama regresyonda o kadar başarılı bir algoritma değildir.
Nerede kullanılırlar:
- Görüntü sınıflandırması
- Nesne algılama
- Nesne takibi
- Kenar algılama
- Kenar algılama
- Anlamsal bölümleme
- İnsan / El duruşu tahmini
- 3D yerelleştirme
- Düşük seviye görme
- Yüz ifadesi tanıma
- Yorumlanabilirlik ,düzenlileşirme ,sıkıştırma budama ve özellik seçimi
Gelin bir örnek verelim ,böylece daha iyi anlaşılacaktır.
Random Forest Algoritması Örneği (Python):
Alınan Çıktılar :
KAYNAKÇA:
Hesaplarım ve İletişim için :
Gmail: batuhandazeee@gmail.com
Github: https://github.com/batuhandaz
Linkedin: https://www.linkedin.com/in/batuhan-daz-599613205/
Bir sonraki yazımda görüşmek üzere, sağlıkla kalın …