קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
היתרונות של יערות החלטה מספקים את היתרונות הבאים:
קל יותר להגדיר אותן מאשר רשתות נוירונים. ביערות החלטות יש פחות היפר-פרמטרים, ויותר מכך, ההיפר-פרמטרים ביערות ההחלטות מספקים ברירות מחדל טובות.
הם מטפלים באופן מקורי בתכונות מספריות, בקטגוריות חסרות ותכונות חסרות. כלומר, אפשר לכתוב קוד לפני עיבוד הרבה פחות מאשר כשמשתמשים ברשת נוירונים, וכך לחסוך זמן ולצמצם את המקורות לשגיאות.
לעיתים קרובות הם מניבים תוצאות טובות, הם מספקים נתונים חזקים עד רועשים ויש להם מאפיינים שניתן לפרש.
הם מסיקים ומאמנים על מערכי נתונים קטנים (פחות ממיליון דוגמאות) הרבה יותר מהר מאשר רשתות נוירונים.
יערות קבלת החלטות מניבים תוצאות מעולות בתחרויות של למידת מכונה, ונעשה בהם שימוש רב במשימות תעשייתיות רבות.
קורס זה מציג את עצי ההחלטות ויערות ההחלטות.
יערות החלטות הם משפחה של אלגוריתמים ניתנים לפירוש של למידת מכונה, שמצטיינים בנתונים בטבלאות.
יערות החלטה יכולים להשיג:
בקורס הזה נסביר איך יערות ההחלטות פועלים בלי להתמקד בספריות ספציפיות.
עם זאת, לאורך הקורס תיבות הטקסט מציגות דוגמאות קוד שמסתמכות על ספריית יער ההחלטות של YDF, אבל אפשר להמיר אותן לספריות אחרות של יער ההחלטות.
דרישות מוקדמות
קורס זה מבוסס על ההנחה שהשלמתם את הקורסים הבאים או שיש לכם ידע מקביל:
[[["התוכן קל להבנה","easyToUnderstand","thumb-up"],["התוכן עזר לי לפתור בעיה","solvedMyProblem","thumb-up"],["סיבה אחרת","otherUp","thumb-up"]],[["חסרים לי מידע או פרטים","missingTheInformationINeed","thumb-down"],["התוכן מורכב מדי או עם יותר מדי שלבים","tooComplicatedTooManySteps","thumb-down"],["התוכן לא עדכני","outOfDate","thumb-down"],["בעיה בתרגום","translationIssue","thumb-down"],["בעיה בדוגמאות/בקוד","samplesCodeIssue","thumb-down"],["סיבה אחרת","otherDown","thumb-down"]],["עדכון אחרון: 2024-04-18 (שעון UTC)."],[[["Decision forests are interpretable machine learning algorithms that work well with tabular data for tasks like classification, regression, and ranking."],["Decision forests offer advantages such as easy configuration, native handling of various data types, robustness to noise, and fast inference/training on smaller datasets."],["This course provides a comprehensive understanding of decision trees and forests, including how they make predictions, different types, performance considerations, and effective usage strategies."],["The course uses YDF library code examples to demonstrate concepts, but the knowledge is transferable to other decision forest libraries."],["Basic machine learning knowledge and familiarity with data preprocessing are prerequisites for this course."]]],[]]
