র্যান্ডম অরণ্যের সাথে মডেলিংয়ের কি ক্রস-বৈধতা প্রয়োজন?

Question

যতদূর আমি দেখেছি, মতামতগুলি সম্পর্কে এই বিষয়ে পৃথক প্রবণতা রয়েছে। সেরা অনুশীলন অবশ্যই ক্রস-বৈধতা ব্যবহার করে নির্দেশ করবে (বিশেষত যদি একই ডেটাসেটের অন্যান্য অ্যালগরিদমের সাথে আরএফগুলির তুলনা করা হয়)। অন্যদিকে, মূল উত্সটি বলেছে যে মডেল প্রশিক্ষণের সময় ওওবি ত্রুটিটি গণনা করা হয় তা পরীক্ষার সেট পারফরম্যান্সের একটি সূচক যথেষ্ট। এমনকি ট্র্যাভর হাস্টিও তুলনামূলক সাম্প্রতিক আলোচনায় বলেছে যে "র্যান্ডম অরণ্যগুলি নিখরচায় ক্রস-বৈধতা সরবরাহ করে"। স্বজ্ঞাতভাবে, এটি আমার কাছে বোধগম্য হয়, যদি প্রশিক্ষণ দেওয়া হয় এবং কোনও ডেটাসেটে আরএফ-ভিত্তিক মডেলটি উন্নত করার চেষ্টা করা হয়।

এ সম্পর্কে আপনার মতামত কী?

Comments

এটি প্রশ্নের মূল বিষয়টিকে সম্বোধন করছে না - তবে আপনি সম্ভবত মাধ্যমিক প্যারামিটারগুলি (যেমন গাছের গভীরতা ইত্যাদি) ক্রস-বৈধ করতে চান

— ওয়াটার

আপনি আরএফ ব্যবহার করতে পারেন বা প্রশিক্ষণের সেটে পারফরম্যান্সের ক্ষেত্রে এটি অন্যান্য পদ্ধতির সাথে তুলনা করতে পারেন, বা পারফরম্যান্সটি পরীক্ষা করতে ডেটা স্বতন্ত্র / উপসেট ব্যবহার করতে পারেন। এটি আপনার হাইপোথিসিসের প্রশ্ন: আপনি কি আরএফের কোনও সম্পত্তি না রেখে ফলাফলগুলি একটি বৃহত জনগোষ্ঠীর কাছে সাধারণকরণের জন্য বা কেবল হাতে থাকা ডেটা শ্রেণিবদ্ধ করার চেষ্টা করছেন?

— কাটায়

Answer 1

$1-(1-\frac{1}{N})^N \approx 1-e^{-1} \approx 0.6$

@ বাউটার যেমন উল্লেখ করেছে, আপনি সম্ভবত প্যারামিটার টিউনিংয়ের জন্য ক্রস বৈধকরণ করতে চাইবেন, তবে পরীক্ষার সেট ত্রুটির প্রাক্কলন হিসাবে OOB ত্রুটিটি ঠিক হওয়া উচিত।