تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
توفر غابات القرار الفوائد التالية:
فهي أسهل من الشبكات العصبية. تحتوي غابات القرار على عدد قليل من المعلمات الفائقة، وعلاوة على ذلك، توفر المعلَمات الفائقة في غابات القرارات إعدادات تلقائية جيدة.
وتتعامل في الأصل مع الميزات الرقمية والفئوية والناقصة. وهذا يعني أنّه يمكنك كتابة تعليمات برمجية للمعالجة المسبقة أقل بكثير مقارنةً باستخدام شبكة عصبية، ما يوفّر لك الوقت ويقلل من مصادر الأخطاء.
وغالبًا ما تقدّم نتائج جيدة، بالإضافة إلى بيانات قوية وغير مزعجة، كما تمتاز بخصائص قابلة للتفسير.
فهي تستنتج مجموعات البيانات الصغيرة (< مليون مثال) وتتدرب عليها أسرع بكثير من الشبكات العصبية.
تنتج غابات القرار نتائج رائعة في مسابقات التعلم الآلي،
وتُستخدم بكثرة في العديد من المهام الصناعية.
تقدم هذه الدورة التدريبية أشجار القرارات وغابات القرارات.
غابات القرار هي مجموعة من خوارزميات التعلم الآلي القابلة للتفسير التي تتفوق في البيانات الجدولية.
يمكن أن تؤدي غابات القرار تنفيذ ما يلي:
تشرح هذه الدورة كيفية عمل غابات القرارات دون التركيز على أي مكتبات محددة.
ومع ذلك، خلال الدورة التدريبية، تعرض المربّعات النصية أمثلة على الرموز البرمجية التي تعتمد على مكتبة غابات القرارات في YDF، ولكن يمكن تحويلها إلى مكتبات أخرى لغابات القرارات.
المتطلبات الأساسية
تفترض هذه الدورة أنك أكملت الدورات التدريبية التالية أو لديك معرفة
مكافئة:
تاريخ التعديل الأخير: 2024-04-18 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2024-04-18 (حسب التوقيت العالمي المتفَّق عليه)"],[[["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."]]],[]]
