このページは Cloud Translation API によって翻訳されました。

はじめに

決定木には次のようなメリットがあります。

ニューラルネットワークよりも構成が簡単です。決定木にはハイパーパラメータが少ないため、デフォルトのハイパーパラメータが優れている。
数値特徴、カテゴリ特徴、欠損特徴をネイティブに処理します。つまり、ニューラルネットワークを使用する場合よりも、前処理コードを大幅に減らすことができます。これにより、時間の節約とエラーの原因の削減につながります。
多くの場合、すぐに優れた結果が得られ、ノイズの多いデータに対しても堅牢で、解釈可能なプロパティを備えています。
ニューラルネットワークよりもはるかに高速に、小規模なデータセット（100 万個未満のサンプル）で推論とトレーニングを行います。

ディシジョンフォレストは、機械学習コンテストで優れた結果を残し、多くの産業用タスクで広く使用されています。

このコースでは、ディシジョンツリーとディシジョンフォレストについて説明します。デシジョンフォレストは、表形式データに優れた解釈可能な機械学習アルゴリズムのファミリーです。デシジョンフォレストは、次の処理を行うことができます。

YDF コード

このコースでは、特定のライブラリに焦点を当てることなく、ディシジョンフォレストの仕組みについて説明します。ただし、コース全体を通して、テキストボックスには YDF 決定木ライブラリに依存するコード例が示されていますが、他の決定木ライブラリに変換することもできます。

前提条件

このコースは、次のコースを修了しているか、同等の知識があることを前提としています。

ご利用をお待ちしております。