الغابة العشوائية تجمع تنبؤات أشجار قرار متنوعة في نتيجة واحدة. في طريقة شائعة، تختلف الأشجار في أمثلة التدريب والخصائص المتاحة عند الانقسام، لتقليل تشابه أخطائها. [1]
الخلاصة السريعة
تستفيد الغابة العشوائية من تنوع أشجار القرار ثم تجميع تنبؤاتها، وقد تحسن الاستقرار من دون ضمان إزالة الأخطاء. [1]
- تزيد المعاينة مع الإرجاع واختيار خصائص عشوائية تنوع الأشجار، بحسب إعدادات التنفيذ. [1]
- يمكن تجميع الفئات بالتصويت؛ يستخدم مصنف الغابة في scikit-learn متوسط الاحتمالات بدل تصويت الفئة الواحدة. [1]
- في المثال الحسابي، يجمع متوسط ثلاث قيم افتراضية إلى قيمة واحدة؛ الأرقام ليست نتيجة تجربة.
- تحتاج مجموعة الأشجار عادةً إلى موارد أكثر من شجرة واحدة، وتظل فائدة التنوع مرتبطة باختلاف الأخطاء. [2]
- تُختار زيادة عدد الأشجار وحدود حجمها بمقارنة الأداء والكلفة، ولا يتحسن الأداء بلا حد. [1]
من أين تأتي العشوائية؟
تسحب الطريقة الشائعة لكل شجرة أمثلة مع الإرجاع: قد يتكرر المثال في العينة وقد يغيب آخر. عند الانقسام، تنظر الشجرة إلى مجموعة خصائص عشوائية وفق الإعداد. الهدف تخفيف تشابه أخطاء الأشجار. [1]
كيف تصبح تنبؤات كثيرة جوابًا واحدًا؟
في الانحدار تُجمع قيم الأشجار بالمتوسط. وفي التصنيف يمكن استخدام التصويت. توجد فروق تنفيذية: يجمع مصنف الغابة في scikit-learn احتمالات الفئات ثم يختار الفئة صاحبة المتوسط الأعلى. [1]
مثال حسابي: ثلاث تقديرات لمدة مهمة
لنفترض، في مثال من إعداد المقال، ثلاث أشجار تتنبأ بمدة عملية افتراضية. تعطي الأولى 8 دقائق، والثانية 11 دقيقة، والثالثة 11 دقيقة. إذا استخدمنا متوسط هذه النتائج، نجمع 8 + 11 + 11 = 30، ثم نقسم على ثلاثة؛ فتكون النتيجة 10 دقائق.
هذا الحساب لا يخبرنا أن المدة الحقيقية عشر دقائق. فإذا كانت المدة الحقيقية 15 دقيقة، أخفقت الأشجار الثلاثة في الاتجاه نفسه. عددها لم يصنع تلقائيًا أمثلة جديدة أو معلومات عن سبب التأخر. وإذا كانت المدة 10 دقائق، أصاب المتوسط في هذا المثال، لكن حالة واحدة لا تكفي للحكم على نموذج.
ولفهم فرق تجميع التصنيف، تخيل أن شجرة تختار الفئة «أ» باحتمال مرتفع جدًا، بينما تختار شجرتان «ب» بفارق طفيف. قد يختلف جمع احتمالات الفئات عن عد أسماء الفئات الفائزة. لذلك سجّل طريقة التجميع حين تقارن تنفيذين، ولا تستنتجها من اسم «غابة» وحده.
لماذا لا تكفي عبارة «رأي الأغلبية»؟
تجميع نماذج متنوعة قد يخفف بعض أخطائها، لكن المجموعة تحتاج إلى وقت وموارد أكثر من نموذج فردي. تشابه أخطاء الأعضاء يحد من فائدة الجمع. [2]
في مثال المدة، إذا غابت جميع حالات انقطاع آلة معينة عن البيانات، فلن تحل كثرة الأشجار هذا الغياب بمجرد التصويت. هذا اعتراض منطقي على استبدال فحص الأمثلة بعدّ النماذج. المطلوب سؤال محدد: هل تتوفر معلومات تساعد على التمييز بين الحالات التي تختلف مدتها؟
ما الذي نقيسه عند زيادة الأشجار؟
قد تتراجع المكاسب بعد عدد معين من الأشجار. زيادة العدد ترفع كلفة الحساب، ويمكن تقليل حجم النموذج بتقييد العمق أو حجم الأوراق. قارِن الأداء والموارد في بياناتك. [1]
أعد جدولًا صغيرًا في تجربتك يتضمن عدد الأشجار، ومقياس نجاح المهمة، وزمن التنبؤ، وحجم الملف. اختَر نقطة تبرر فائدتها كلفتها الفعلية؛ لا يحتاج القارئ إلى رقم سحري يصلح لجميع البيانات والأجهزة.
المصادر ومتابعة القراءة
- scikit-learn: Random forests (يفتح في نافذة جديدة)scikit-learn.org
- Google: Introduction to decision forests (يفتح في نافذة جديدة)developers.google.com
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.