Лекция 11. Random forest

No video

Лекция 11. Random forest

Рет қаралды 19,664

6 жыл бұрын

compscicenter.ru/
Случайные леса. Bagging. Ключевые параметры модели. Out-of-bag error. Информативность переменных. Анализ несбалансированных выборок. Определение числа деревьев.
Лекция №11 в курсе "Анализ данных на Python в примерах и задачах. Часть 1" (весна 2018).
Преподаватель курса: Вадим Леонардович Аббакумов

Пікірлер: 11

@IgorKuts 11 ай бұрын

Светлая аудитория, отличный лектор, доступное изложение, удобное расположение слайдов. Прекрасная лекция, спасибо большое.

@tka400 4 жыл бұрын

Спасибо. Очень интересно.

@foggydawning Жыл бұрын

Как всегда очень и очень понятно ✌

@mymobigoogle205 Жыл бұрын

Беги, лес, беги. Коллеги, понятно.

@sergeiperfiliev3320 3 жыл бұрын

Лекции конечно шикарные. Но почему-то постоянно начинаются словами "я бы вам это и не стал рассказывать, если бы не..." 😁

@coolbrain 2 жыл бұрын

В Random Forest если выборка не сильно большая, оправдано ли не применять тестовую выборку , а оценивать качество модели через oob_score? В моем случае 150 наблюдений и 40 параметров (признаков)

@Vadim_Abbakumov 2 жыл бұрын

Оправдано. для такой маленькой выборки предлагаю еще попробовать кросс-валидацию...

@coolbrain 2 жыл бұрын

А подскажите такой вопрос. Random Forest в питоне при выводе Score пишет точность ну например 90%. Эта точность чего? средняя деревьев на обчающей выборке, или на той выборке которая не задействована в конкретном дереве? Получается тестовая выборка вообще не нужна, если мы через GridSearchCV может подобрать оптимум ?

@Vadim_Abbakumov 2 жыл бұрын

accuracy это процент правильно распознанных значений. GridSearchCV подбирает Вам параметры, а проверять, что получилось в результате подбора, Вам неинтересно?