Этот курс состоит из двух частей:
- Введение в леса принятия решений, курс, который вы сейчас просматриваете.
- Advanced Decision Forests, которые будут выпущены позже в 2022 году.
Этот курс знакомит с деревьями решений и лесами решений .
Леса принятия решений — это семейство моделей и алгоритмов машинного обучения с учителем. Они обеспечивают следующие преимущества:
- Их проще настроить, чем нейронные сети. В лесах решений меньше гиперпараметров ; кроме того, гиперпараметры в лесах решений обеспечивают хорошие значения по умолчанию .
- Они изначально обрабатывают числовые, категориальные и отсутствующие функции. Это означает, что вы можете написать гораздо меньше кода предварительной обработки, чем при использовании нейронной сети, что сэкономит ваше время и уменьшит количество источников ошибок.
- Они часто дают хорошие результаты сразу после установки , устойчивы к зашумленным данным и обладают интерпретируемыми свойствами.
- Они делают выводы и обучаются на небольших наборах данных (<1 млн примеров) намного быстрее, чем нейронные сети.
Леса принятия решений дают отличные результаты в соревнованиях по машинному обучению и активно используются во многих промышленных задачах. Леса решений практичны, эффективны и интерпретируемы . Вы можете использовать леса решений для многих задач контролируемого обучения, в том числе:
Материал в этом курсе является общим для лесов решений и не зависит от какой-либо конкретной библиотеки. Однако оранжевые прямоугольники, подобные этому, содержат примеры кода, в которых используется библиотека TensorFlow Decision Forests (TF-DF) . Хотя эти примеры специфичны для TF-DF, их часто легко преобразовать в другие библиотеки леса решений.
Предпосылки
Этот курс предполагает, что вы прошли следующие курсы или обладаете эквивалентными знаниями:
- Ускоренный курс по машинному обучению
- Постановка задачи машинного обучения
- Подготовка данных и разработка функций
Счастливого обучения!