المحتوى
Q:
كيف يمكن للشركات استخدام نماذج الغابات العشوائية للتنبؤات؟
أ:
غالبًا ما تستخدم الشركات نماذج الغابات العشوائية من أجل عمل تنبؤات من خلال عمليات التعلم الآلي. تستخدم مجموعة التفرعات العشوائية أشجار قرارات متعددة لإجراء تحليل أكثر شمولية لمجموعة بيانات معينة.
تعمل شجرة قرار واحدة على أساس فصل متغير أو متغيرات معينة وفقًا لعملية ثنائية. على سبيل المثال ، عند تقييم مجموعات البيانات المتعلقة بمجموعة من السيارات أو المركبات ، يمكن لشجرة قرار واحدة فرز وتصنيف كل مركبة من حيث الوزن ، مع فصلها إلى مركبات ثقيلة أو خفيفة.
تعتمد الغابة العشوائية على نموذج شجرة القرارات ، وتجعلها أكثر تطوراً. يتحدث الخبراء عن الغابات العشوائية على أنها تمثل "التمييز العشوائي" أو طريقة "التخمين العشوائي" على البيانات المطبقة على المساحات متعددة الأبعاد. يميل التمييز العشوائي إلى أن يكون وسيلة لتعزيز تحليل نماذج البيانات بما يتجاوز ما يمكن لشجرة قرار واحدة القيام به.
بشكل أساسي ، تنشئ الغابة العشوائية العديد من أشجار القرارات الفردية التي تعمل على متغيرات مهمة مع تطبيق مجموعة بيانات معينة. أحد العوامل الرئيسية هو أنه في الغابة العشوائية ، تتداخل مجموعة البيانات والتحليل المتغير لكل شجرة قرار عادة. هذا مهم للنموذج ، لأن نموذج الغابة العشوائي يأخذ متوسط النتائج لكل شجرة قرار ، ويعاملهم في قرار مرجح. في جوهرها ، يأخذ التحليل جميع الأصوات من مختلف أشجار القرارات وبناء توافق في الآراء لتقديم نتائج مثمرة ومنطقية.
يتوفر مثال على استخدام خوارزمية غابات عشوائية بشكل منتج في موقع R-blogger ، حيث يأخذ الكاتب Teja Kodali مثالًا على تحديد جودة النبيذ من خلال عوامل مثل الحموضة والسكر ومستويات ثاني أكسيد الكبريت وقيمة الرقم الهيدروجيني ومحتوى الكحول. يشرح Kodali كيف تستخدم خوارزمية غابة عشوائية مجموعة فرعية عشوائية من الميزات لكل شجرة على حدة ، ثم تستخدم المتوسطات الناتجة.
مع وضع ذلك في الاعتبار ، ستقوم الشركات التي ترغب في استخدام خوارزميات تعلم آلية الغابة العشوائية للنمذجة التنبؤية أولاً بعزل البيانات التنبؤية التي يجب غليها في مجموعة من المنتجات ، ثم تطبيقها على نموذج الغابات العشوائي باستخدام مجموعة معينة من التدريب البيانات. تأخذ خوارزميات التعلم الآلي تلك البيانات التدريبية وتعمل معها للتطور بما يتجاوز قيود البرمجة الأصلية. في حالة نماذج الغابات العشوائية ، تتعلم التكنولوجيا تشكيل نتائج تنبؤية أكثر تطوراً باستخدام أشجار القرارات الفردية لبناء إجماعها العشوائي على الغابات.
إحدى الطرق التي يمكن بها تطبيق ذلك على الأعمال التجارية هي استخدام متغيرات خاصية المنتج المختلفة واستخدام مجموعة تفرعات عشوائية للإشارة إلى اهتمام العملاء المحتملين. على سبيل المثال ، إذا كانت هناك عوامل معروفة لاهتمام العملاء مثل اللون أو الحجم أو المتانة أو قابلية النقل أو أي شيء آخر أبدى العملاء اهتمامًا به ، فيمكن إدخال هذه السمات في مجموعات البيانات وتحليلها على أساس تأثيرها الفريد على العوامل المتعددة تحليل.