रैंडम फॉरेस्ट क्या है? शुरुआती लोगों के लिए आसान व्याख्या
रैंडम फॉरेस्ट एक सुपरवाइज़्ड मशीन लर्निंग एल्गोरिथ्म है जो कई डिसीजन ट्री को जोड़ता है; क्लासिफिकेशन में बहुमत वोट और रिग्रेशन में औसत लेकर अंतिम भविष्यवाणी देता है, जिससे एक अकेले पेड़ की तुलना में परिणाम अधिक स्थिर होता है।
आसान उदाहरण
किसी मुश्किल सवाल पर एक विशेषज्ञ के बजाय कई लोगों से राय लें। हर व्यक्ति थोड़ा अलग डेटा देखता है और जवाब देता है। सबकी गलतियाँ अलग-अलग दिशा में जाती हैं और एक-दूसरे को काट देती हैं, इसलिए सामूहिक जवाब ज़्यादा भरोसेमंद होता है।
यादृच्छिकता के दो स्रोत
| यादृच्छिकता | काम कैसे करती है |
|---|---|
| बूटस्ट्रैप सैंपल | हर पेड़ बार-बार निकाले गए यादृच्छिक डेटा सैंपल पर ट्रेन होता है |
| यादृच्छिक फीचर चयन | हर शाखा पर कुछ बेतरतीब चुने गए फीचर पर ही विचार होता है |
इससे पेड़ एक-दूसरे से बहुत समान नहीं रहते और उनके बीच संबंध कम होता है।
अंतिम परिणाम कैसे बनता है
हर पेड़ एक वोट देता है। क्लासिफिकेशन में सबसे ज़्यादा वोट वाली श्रेणी चुनी जाती है; रिग्रेशन में सभी पेड़ों के परिणाम का औसत लिया जाता है।
आम उपयोग कहाँ होते हैं
रैंडम फॉरेस्ट का उपयोग टेबुलर डेटा, धोखाधड़ी पहचान, ग्राहक विभाजन और ऐसे कामों में होता है जहाँ कम ट्यूनिंग में मज़बूत मॉडल चाहिए।
सीमाएँ
बहुत सारे पेड़ों वाला मॉडल ज़्यादा समय और मेमोरी ले सकता है, और अंतिम निर्णय कई पेड़ों में बँटा होने से समझाना कम आसान होता है।
FAQ
रैंडम फॉरेस्ट और एक डिसीजन ट्री में क्या अंतर है?
रैंडम फॉरेस्ट कई पेड़ जोड़ता है और ओवरफिटिंग घटाता है, जबकि एक गहरा पेड़ ट्रेनिंग डेटा रट सकता है।
बहुमत वोट क्या होता है?
वह श्रेणी जिसे जंगल के सबसे ज़्यादा पेड़ चुनते हैं।
क्या रैंडम फॉरेस्ट सिर्फ़ क्लासिफिकेशन के लिए है?
नहीं, यह पेड़ों के औसत से रिग्रेशन भी संभालता है।
बूटस्ट्रैप सैंपल क्या है?
ट्रेनिंग डेटा में से वापसी के साथ निकाला गया सैंपल, जिससे हर पेड़ को थोड़ा अलग डेटा मिलता है।
मुख्य बातें
- रैंडम फॉरेस्ट कई डिसीजन ट्री का एन्सेंबल है।
- यादृच्छिकता बूटस्ट्रैप और फीचर चयन से आती है।
- क्लासिफिकेशन में वोट, रिग्रेशन में औसत उपयोग होता है।
- यह अधिक स्थिर रहता है और ओवरफिटिंग का जोखिम कम करता है।
आगे पढ़ें डिसीजन ट्री क्या है और ओवरफिटिंग क्या है.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free