Decision Forest

ป่าการตัดสินใจเป็นคําทั่วไปที่ใช้อธิบายโมเดลที่สร้างจากต้นไม้การตัดสินใจหลายต้น การคาดการณ์ของป่าการตัดสินใจคือการรวมการคาดการณ์ของต้นไม้การตัดสินใจ การใช้งานการรวมนี้ขึ้นอยู่กับอัลกอริทึมที่ใช้ในการฝึกป่าการตัดสินใจ ตัวอย่างเช่น ใน Random Forest การจัดประเภทหลายคลาส (Decision Forest ประเภทหนึ่ง) ต้นไม้แต่ละต้นจะโหวตให้กับคลาสเดียว และการคาดการณ์ของ Random Forest คือคลาสที่มีการแสดงมากที่สุด ในต้นไม้ที่เพิ่มประสิทธิภาพด้วย Gradient (GBT) สำหรับการแยกประเภทแบบ 2 กลุ่ม (ป่าการตัดสินใจอีกประเภทหนึ่ง) ต้นไม้แต่ละต้นจะแสดงผลลัพธ์เป็นลอจิท (ค่าทศนิยม) และการคาดการณ์ของต้นไม้ที่เพิ่มประสิทธิภาพด้วย Gradient คือผลรวมของค่าเหล่านั้น ตามด้วยฟังก์ชันการเปิดใช้งาน (เช่น sigmoid)

2 บทถัดไปจะอธิบายอัลกอริทึมป่าการตัดสินใจ 2 รายการดังกล่าวโดยละเอียด