Random Forest: Diferenzas entre revisións

'''Random Forest''' é un metaalgoritmo de [[aprendizaxe automática]] (Machine Learning) deseñado como unha modificación substancial da idea de empaquetado (bagging) que constrúe unha gran colección de ''árbores'' sen correlación para posteriormente calcular a súa [[Media (matemáticas) | media]]. Para a súa aplicación na maioría de problemas, a resolutividade do randomRandom forestGorest é similar a do algoritmo de empaquetado, coa suma de que son máis sinxelos de adestrar e parametrizar. Como consecuencia a súa popularidade é alta e impleméntansedesenvólvense en multitude de módulos de aprendizaxe automática. <ref>{{Cita libro |título= The Elements of Statistical Learning |nome=Trevor |nome2= Robert |apelidos= Hastie |apelidos2=Tibshirani |ano= 2001|editorial= Springer}}</ref>

A idea principal no metaalgoritmo de empaquetado é o cálculo da [[Media (matemáticas) | media]] sobre moitos modelos de ruído non distorsionados ou simplificados. As árbores, en [[informática]], son candidatas ideais para emular a idea de empaquetado, posto que capturan complexas interaccións nas estrúcturasestruturas de calquera conxunto de datos dado. Así mesmo medra con suficiente profundidade para evitar calquera distorsión ou simplificación (bias). Sumado a que as árbores adoitan asociarse a grandes cantidades de ruído, benefícianse enormemente da limpeza a través do cáculocálculo da [[Media (matemáticas) | media]]. Así mesmo, dado que cada árbore xeneradaxerada por empaquetado ten idéntica distribución, espérase que a media de varios deles <math>B</math> aporteachegue os mesmos resultados que a media individual.

A media de <math>B</math> variábeis aleatorias, cada unha cunha [[varianza]] de σ² aporta unha varianza total de <math>1/B</math>xσ².

Random Forest introdúxoseintroduciuse baixo está definición por [[Leo Breiman]] [[2001]], aínda que a maioría das ideas presentábanse dispersas na literatura con anterioridade. Notabelmente [[Tin Kam Ho]] en [[1995]] introduxointroduciu o termo, e usouno parcialmente sobre subconxuntos aleatorios de características atopadas en común nun conxunto de datos.