Random forests improve predictive a

Random forests improve predictive accuracy by generating a large number of bootstrapped trees (based on random samples of variables), classifying a case using each tree in this new "forest", and deciding a final predicted outcome by combining the results across all of the trees (an average in regression, a majority vote in classification).

ผลลัพธ์ (ไทย) 1:

ป่าสุ่มปรับปรุงความแม่นยำทำนาย โดยสร้างจำนวน bootstrapped ต้น (ตามตัวอย่างที่สุ่มของตัวแปร), ประเภทกรณีใช้ต้นไม้แต่ละต้นใน "ป่า" นี้ใหม่ และการตัดสินใจผลการคาดการณ์เป็นครั้งสุดท้าย โดยรวมผลทั้งต้น (เฉลี่ยในถดถอย ลงคะแนนเสียงส่วนใหญ่ในการจัดประเภท)

ผลลัพธ์ (ไทย) 2:

ป่าสุ่มปรับปรุงความถูกต้องคาดการณ์โดยการสร้างเป็นจำนวนมากของต้นไม้ bootstrapped (ตามตัวอย่างแบบสุ่มของตัวแปร) แบ่งเป็นกรณีที่ใช้ต้นไม้ใหม่นี้ "ป่า" ในแต่ละครั้งและการตัดสินใจขั้นสุดท้ายผลที่คาดการณ์ไว้โดยการรวมผลในทุกต้น (ค่าเฉลี่ยในการถดถอยคะแนนเสียงข้างมากในการจำแนกประเภท)

ผลลัพธ์ (ไทย) 3:

ป่าสุ่มปรับปรุงความถูกต้องทำนายโดยการสร้างจำนวนมากของ bootstrapped ต้นไม้ ( ตามจำนวนตัวแปร ) การจำแนกกรณีใช้แต่ละต้นในปีใหม่นี้ " ป่า " และการตัดสินใจขั้นสุดท้าย ทำนายผล โดยการรวมผลทั้งของต้นไม้ ( เฉลี่ยในการลงคะแนนเสียงส่วนใหญ่ในหมวดหมู่ )