সিদ্ধান্ত গাছ এবং নিরোধক - ভবিষ্যদ্বাণী করা মানগুলি কি প্রশিক্ষণের ডেটার সীমার বাইরে থাকতে পারে?

Question

যখন সিদ্ধান্ত গাছের কথা আসে, তখন ভবিষ্যদ্বাণী করা মানটি কী প্রশিক্ষণের ডেটার ব্যাপ্তির বাইরে থাকতে পারে?

উদাহরণস্বরূপ, যদি টার্গেট ভেরিয়েবলের প্রশিক্ষণ ডেটা সেট পরিসীমা 0-100 হয়, যখন আমি আমার মডেলটি তৈরি করি এবং এটি অন্য কোনওটিতে প্রয়োগ করি, তখন আমার মানগুলি -5 হতে পারে? বা 150?

প্রদত্ত সিদ্ধান্তের গাছের প্রতিরোধের বিষয়ে আমার বোঝাপড়াটি হ'ল এটি এখনও নিয়ম ভিত্তিক - বাম / ডান অগ্রগতি এবং ট্রেনিং সেটে গাছের নীচে এটি কোনও নির্দিষ্ট পরিসরের বাইরে কোনও মান কখনই দেখতে পাবে না, এটি কখনই সক্ষম হবে না এটা ভবিষ্যদ্বাণী?

Comments

গ্রেডিয়েন্ট- বুস্টেড

— অ্যাড্রিয়ান

Answer 1

আপনি সম্পূর্ণরূপে সঠিক: শাস্ত্রীয় সিদ্ধান্ত গাছগুলি historতিহাসিকভাবে পর্যবেক্ষণের সীমার বাইরে মানগুলির পূর্বাভাস দিতে পারে না । তারা এক্সট্রোপোলেট করবেন না।

একই এলোমেলো বনের জন্য প্রযোজ্য।

তাত্ত্বিকভাবে, আপনি কখনও কখনও আরও কিছু বিস্তৃত আর্কিটেকচার (উদ্ভিদ?) এর আলোচনা দেখতে পান, যেখানে গাছের পাতাগুলি কোনও মান দেয় না , তবে একটি সাধারণ রেগ্রেশন ধারণ করে , যেমন, একটি নির্দিষ্ট সংখ্যামূলক স্বাধীন ভেরিয়েবলের উপর নির্ভরশীল পরিবর্তনশীলটিকে পুনরায় চাপিয়ে দেওয়া। গাছের মাধ্যমে চলাচল করলে আপনাকে একটি নিয়ম সেট করতে হবে যার ভিত্তিতে সংখ্যার চতুর্থটি ডিভি কে কী ক্ষেত্রে পুনরায় চাপিয়ে দেবে। এই জাতীয় ক্ষেত্রে, এই "নীচের স্তরের" রিগ্রেশনটি অ-এখনও অবলম্বিত মানগুলি অর্জনের জন্য বহির্মুখী হতে পারে।

যাইহোক, আমি মনে করি না যে স্ট্যান্ডার্ড মেশিন লার্নিং গ্রন্থাগারগুলি এটি কিছুটা আরও জটিল কাঠামো সরবরাহ করে (আমি সম্প্রতি এটি আর এর জন্য ক্র্যান টাস্ক ভিউয়ের মাধ্যমে সন্ধান করেছি), যদিও এ সম্পর্কে সত্যিই জটিল কিছু হওয়া উচিত নয়। আপনি পাতাগুলিতে রিগ্রেশনগুলি যুক্ত নিজের গাছ প্রয়োগ করতে সক্ষম হতে পারেন।

Comments

আমি মোবফোরেস্ট সম্পর্কে খুব কমই পড়েছি যা আর, স্ট্যাটস.স্ট্যাকেক্সচেঞ্জ

— সোরেন হ্যাভেলন্ড ওয়েলিং

পছন্দ করেছেন পয়েন্টারের জন্য ধন্যবাদ!

— স্টিফান কোলাসা

গাছের পাতায় লিনিয়ার রিগ্রেশন মডেল সরবরাহকারী প্রথম অ্যালগরিদমগুলির মধ্যে একটি হ'ল কুইনলানের এম 5, এটির একটি অনুমান যা ওয়েকাতে এম 5 পি () তে পাওয়া যায় (আরওয়েকার মাধ্যমে আর এর মধ্যে ইন্টারফেস)। এই সমস্যার জন্য একটি নিরপেক্ষ অ্যালগরিদম, GIDE নামে পরিচিত, প্রথমে লোহ তার পরামর্শ দিয়েছিল। তার একক প্যাকেজের জন্য বাইনারিগুলি তার ওয়েবসাইটে রয়েছে। অবশেষে, আমাদের মডেল-ভিত্তিক (এমওবি) রিকার্সিভ পার্টিশন অ্যালগরিদম এ জাতীয় বিভিন্ন মডেলকে অন্তর্ভুক্ত করে। এটি আর প্যাকেজ পার্টিকিটটিতে পাওয়া যায়: ভিড় () হ'ল জেনেরিক সরঞ্জাম এবং এলএমটি্রি () এবং গ্ল্যাম্ট্রি () হ'ল পাতাগুলিতে (সাধারণীকৃত) রৈখিক মডেলযুক্ত গাছগুলির সাথে এটির অভিযোজন।

— আছিম জিলাইস

@SorenHavelundWelling: দুর্ভাগ্যক্রমে, প্যাকেজ Cran থেকে সরিয়ে দেওয়া হয়েছে । আমি কটাক্ষপাত করা করব প্যাকেজ যে সালে Achim Zeileis সুপারিশ । mobForestpartykit

— স্টিফান কোলাসা

মুবফেরেস্ট কেবল মাথা তুলছেন যে CRAN এ ফিরে এসেছে: cran.r-project.org/web/packages/mobForest/index.html

— মনিকা

Answer 2

এছাড়াও চেক আউট cubist ক্যারেট প্যাকেজের মধ্যে। এটি টার্মিনাল নোডগুলিতে লিনিয়ার রিগ্রেশনগুলি তৈরি করে এবং প্রশিক্ষণের ডেটাতে প্রতিক্রিয়া মানগুলির সীমার উপরে এবং নীচে ভবিষ্যদ্বাণীগুলি এক্সপ্লোলেট করতে পারে। হাইপারপ্যারামিটার হিসাবে সরবরাহ করা নিকটতম প্রতিবেশীদের উপর ভিত্তি করে টার্মিনাল নোডগুলিও গড়ে নেওয়া যেতে পারে, সুতরাং এটি অত্যন্ত সঠিক ক্রস বৈধিত পূর্বাভাস দেওয়ার সম্ভাবনা রাখে।