FINÁLNY VÝPREDAJ KREDITOV na ITnetwork je tu. Využi poslednú šancu a získaj až 80 % extra kreditov ZADARMO na náš interaktívny e-learning. Zisti viac:
Hľadáme nové posily do ITnetwork tímu. Pozri sa na voľné pozície a pridaj sa k najagilnejšej firme na trhu - Viac informácií.

9. diel - Les rozhodovacích stromov v Pythone

V predchádzajúcom kvíze, Kvíz - Regresie a KNN v Pythone, sme si overili nadobudnuté skúsenosti z predchádzajúcich lekcií.

V minulej lekcii, Kvíz - Regresie a KNN v Pythone , sme si uviedli rozhodovacie stromy a tiež si jeden prakticky vyskúšali. V praxi však samotnej stromy trpia problémami, ktoré si dnes predstavíme, a preto sa ich používa viac naraz.

Les rozhodovacích stromov, ako z názvu vyplýva, je viac rozhodovacích stromov fungujúcich dohromady ako jeden systém. Každý strom v lese predpovie triedu a tá, ktorá bude mať najviac hlasov v celom lese, bude považovaná ako výsledok tohto systému.

Les rozhodovacích stromov

Napríklad výsledok hlasovania lesa na obrázku je trieda 2.

Myšlienka

Myšlienka za týmto klasifikačným algoritmom je jednoduchá -


 

...koniec náhľadu článku...
Pokračuj ďalej

Vedomosti v hodnote stoviek tisíc získaš za pár eur

Došiel si až sem a to je super! Veríme, že ti prvé lekcie ukázali niečo nového a užitočného.
Chceš v kurze pokračovať? Prejdi do prémiové sekcie.

Obsah článku spadá pod licenciu Premium, kúpou článku súhlasíš so zmluvnými podmienkami.

Čo od nás v ďalších lekciách dostaneš?
  • Prístup k jednotlivým lekciám podľa spôsobu obstarania.
  • Kvalitné znalosti v oblasti IT.
  • Zručnosti, ktoré ti pomôžu získať vysnívanú a dobre platenú prácu.

Popis článku

Požadovaný článok má nasledujúci obsah:

V Python tutoriálu sa pozrieme na les rozhodovacích stromov a otestujeme ho na Iris dataset. Zistíme tak, že celý les je múdrejšie než sebemoudřejší strom.

Kredity získaš, keď podporíš našu sieť. To môžeš urobiť buď zaslaním symbolickej sumy na podporu prevádzky alebo pridaním obsahu na sieť.

Článok pre vás napísal MQ .
Avatar
Používám hlavně Python a zajímám se o Deep Learning a vše kolem.
Aktivity