Bu kurs iki bölümden oluşur:
- Şu anda görüntülediğiniz kurs olan Karar Ormanları'na giriş.
- 2022'nin ilerleyen günlerinde kullanıma sunulacak Gelişmiş Karar Ormanları.
Bu kursta karar ağaçları ve karar ormanları tanıtılmaktadır.
Karar ormanları, gözetimli öğrenim makine öğrenimi modelleri ve algoritmalarının sunulduğu bir ailedir. Aşağıdaki avantajları sağlar:
- Nöral ağlara göre yapılandırmaları daha kolaydır. Karar ormanlarında daha az hiperparametre vardır; ayrıca, karar ormanlarındaki hiperparametreler iyi varsayılanlar sağlar.
- Sayısal, kategorik ve eksik özellikleri yerel olarak işlerler. Bu da nöral ağ kullanmaya kıyasla çok daha az ön işleme kodu yazabileceğiniz için zaman kazandırır ve hata kaynaklarını azaltır.
- Genelde iyi bir sonuç sağlar, gürültülü veriler karşısında sağlamdır ve yorumlanabilir özelliklere sahiptir.
- Nöral ağlardan çok daha hızlı, küçük veri kümeleriyle ilgili çıkarım yapar ve bu verilerle ilgili eğitim verirler (<1M örnekleri).
Karar ormanları, makine öğrenimi yarışmalarında mükemmel sonuçlar verir ve birçok endüstriyel görevde çok sık kullanılır. Karar odaklı ormanlar pratik, etkili ve yorumları yapılabilir. Kararlı ormanları, aşağıdakiler de dahil olmak üzere birçok gözetimli öğrenme görevi için kullanabilirsiniz:
Bu kurstaki materyaller karar ormanlarında geneldir ve belirli bir kitaplıktan bağımsızdır. Ancak buna benzer turuncu kutular, TensorFlow Karar Ormanları (TF-DF) kitaplığını kullanan kod örnekleri içerir. TF-DF'ye özel olsa da bu örnekler genellikle diğer karar ormanı kitaplıklarına kolayca dönüştürülebilir.
Ön koşullar
Bu kursta aşağıdaki kursları tamamladığınızı veya bunlarla ilgili bilgilere sahip olduğunuzu varsayıyoruz:
- Makine Öğrenimi Kilitlenme Kursu
- Makine Öğrenimi Sorun Çerçeveleme
- Veri Hazırlama ve Özellik Mühendisliği
İyi Eğitimler!