Playground AI

Eksperymentuj z algorytmami AI bezpośrednio w przeglądarce.

Random Forest — głosowanie

Random Forest to metoda zespołowa (ensemble), która buduje wiele drzew decyzyjnych na losowych podzbiorach danych (bootstrap) i cech (random subspace). Ostateczna predykcja to głosowanie większościowe — dzięki temu las jest bardziej odporny na overfitting i stabilniejszy niż pojedyncze drzewo. To jeden z najpopularniejszych algorytmów w praktyce ML.

Czego się nauczysz

  • Jak bootstrap i random subspace tworzą różnorodność drzew
  • Dlaczego głosowanie zespołowe poprawia dokładność
  • Jak wyłączanie drzew wpływa na predykcję ensemblu
  • Kiedy las losowy przewyższa pojedyncze drzewo decyzyjne

Jak korzystać z wizualizacji

Wizualizacja lasu losowego (Random Forest) jako zespołu 5 drzew decyzyjnych. Każde drzewo trenowane na innym podzbiorze danych i cech. Kliknij na miniatury drzew żeby je włączać/wyłączać i obserwuj jak ensemble voting poprawia dokładność w porównaniu do pojedynczego drzewa.

Ładowanie wizualizacji...

Poznaj teorię

Wizualizacja to świetny start, ale pełne zrozumienie wymaga teorii. Przeczytaj artykuł w bazie wiedzy, żeby dowiedzieć się jak to naprawdę działa pod maską.

Przeczytaj artykuł →