Katika Bagging, kila mti hutegemeana kwa sababu huzingatia vipengele na sampuli tofauti tofauti.
Kufunga mifuko kwenye mti wa maamuzi ni nini?
Bagging (Bootstrap Aggregation) inatumika wakati lengo letu ni kupunguza tofauti ya mti wa maamuzi. Wazo hapa ni kuunda vikundi kadhaa vya data kutoka kwa sampuli ya mafunzo iliyochaguliwa nasibu na uingizwaji. … Wastani wa utabiri wote kutoka kwa miti tofauti hutumika ambao ni thabiti zaidi kuliko mti mmoja wa maamuzi.
Kwa nini kuweka mifuko huzalisha miti inayohusiana?
Miti yetu yote iliyo na mifuko ina tabia ya kukata vipande sawa kwa sababu yote ina vipengele sawa. Hii inafanya miti hii yote kuonekana sawa na hivyo kuongeza uunganisho. Ili kutatua uunganisho wa miti tunaruhusu msitu nasibu kuchagua tu watabiri m katika kutekeleza mgawanyiko.
Kufunga msitu ovyo ni nini?
Bagging ni algoriti iliyojumuishwa ambayo inalingana na miundo mingi kwenye seti ndogo tofauti za mkusanyiko wa data wa mafunzo, kisha kuchanganya ubashiri kutoka kwa miundo yote. Msitu wa nasibu ni kiendelezi cha kuweka mifuko ambacho pia huchagua kwa nasibu vikundi vidogo vya vipengele vinavyotumika katika kila sampuli ya data.
Uwekaji mifuko hufanya kazi vipi kwenye msitu wa nasibu?
Algoriti ya msitu nasibu kwa hakika ni algorithm ya kuweka mikoba: pia hapa, tunachora sampuli nasibu za mikanda kutoka kwa seti yako ya mafunzo. Walakini, pamoja na sampuli za bootstrap, sisi piachora sehemu ndogo za vipengele kwa ajili ya mafunzo ya miti binafsi; katika kuweka mifuko, tunatoa kila mti seti kamili ya vipengele.
