عدد الأشجار في الغابة إعداد يحدد حجم المجموعة التي تنتج التنبؤ. زيادته توسع المجموعة، لكن السؤال العملي هو مقدار الفائدة المتبقية مقارنة بالوقت والذاكرة في المهمة التي تعمل عليها. [1]
الخلاصة السريعة
راقب تغير تقدير الخطأ عبر أعداد متزايدة مع تثبيت المقارنة، وسجل تكلفة التشغيل. اختر عددًا يناسب الفائدة والميزانية؛ لا يوجد رقم في المثال يصلح تلقائيًا لكل مهمة.
- تثبت دراسة الغابات تقارب خطأ التعميم إلى حد مع زيادة الأشجار ضمن إطارها النظري؛ لا تعني تحسن كل قياس محدود عند كل زيادة. [1]
- يمكن تتبع منحنى OOB لتقدير عدد تستقر عنده الأخطاء؛ الاستقرار وصف للمنحنى المقاس. [2]
- قارن الانخفاض الإضافي في الخطأ بالتكلفة؛ أرقام الجدول افتراضية وليست نتائج تجربة.
- ثبت تعريف المقارنة وسجل الإعدادات؛ عدد أكبر وحده لا يصحح جميع أخطاء النموذج.
ماذا تعني الفائدة المتناقصة؟
تصف دراسة Breiman تقارب خطأ التعميم إلى قيمة حدية مع زيادة الأشجار، وفق بناء الغابة وافتراضات التحليل. [1]
التقارب إلى حد لا يقول إن آخر شجرة مضافة تصحح آخر حالة أخطأ فيها النموذج، ولا إن كل رقم في جدول تحقق محدود سينخفض دائمًا. افصل النتيجة النظرية عن القياسات التي تظهر في بياناتك. عندما تصبح تغيرات الرقم صغيرة، يكون السؤال عن جدوى إضافة المجموعة التالية من الأشجار.
اقرأ المنحنى بدل رقم جاهز
يعرض المثال الرسمي تتبع خطأ OOB أثناء زيادة الأشجار لتقريب عدد تستقر عنده الأخطاء. [2]
اجعل المحور الأفقي عدد الأشجار والعمودي الخطأ الذي عرّفته. قارن نقاطًا تسمح برؤية البداية والمنطقة التي يقل فيها التغير. إذا تغيرت عمق الأشجار أو البيانات أو معيار الخطأ في الوقت نفسه، فلن تعزل المقارنة أثر العدد. احتفظ بوصف الإعدادات والبيانات التي تخص المنحنى.
لا تعد نقطة تبدو أهدأ على رسم صغير اختيارًا عالميًا. يمكن أن تتغير منطقة الاستقرار عند تغيير مهمة التصنيف أو طريقة بناء الأشجار. الأهم أن تشرح سبب اختيار العدد في هذه المقارنة، بدل القول إن عددًا مشهورًا مناسب لجميع الحالات.
مثال حسابي مع التكلفة
الجدول من تأليف المقال، وكل أرقامه مصطنعة. وحدة التكلفة مجرد مقياس للشرح؛ لا تمثل ثواني أو مواصفات حاسوب.
من 50 إلى 100 شجرة انخفض الخطأ نصف نقطة مئوية، ومن 100 إلى 200 انخفض عُشر نقطة فقط. في الصف الأخير تضاعفت التكلفة المفترضة لقاء فرق أصغر. قد يقبل فريق هذه التكلفة أو يرفضها بحسب قيمة التحسن وميزانيته. لا يثبت الجدول أن التكلفة تتضاعف في كل تنفيذ، أو أن 200 أفضل عدد.
| الأشجار | الخطأ الافتراضي | التكلفة الافتراضية |
|---|---|---|
| 20 | 18% | 2 وحدات |
| 50 | 14% | 5 وحدات |
| 100 | 13.5% | 10 وحدات |
| 200 | 13.4% | 20 وحدة |
ماذا نوثق مع العدد؟
سجل عدد الأشجار وعمقها وطريقة العينات ومقياس الخطأ، ثم وقت التدريب والتنبؤ والذاكرة كما قستها فعلًا. هذه قائمة مراجعة مقترحة، وليست نتيجة اختبار هنا. تكلفة التنبؤ تستحق النظر عندما يستعمل النموذج مرات كثيرة بعد التدريب.
لا تفسر توقف التحسن بأن جميع الأخطاء المتبقية مستحيلة الإصلاح. قد تحتاج المهمة إلى خصائص أو تسميات أفضل، أو بناء مختلف. اختر عدد الأشجار ضمن مقارنة موثقة، ثم راجع جودة النموذج كله. حجم المجموعة يجيب عن عدد المشاركين في التجميع، ولا يكفي وحده للحكم على صلاحية مخرجاته.
المصادر ومتابعة القراءة
- Breiman: Random Forests (يفتح في نافذة جديدة)stat.berkeley.edu
- scikit-learn: OOB Errors for Random Forests (يفتح في نافذة جديدة)scikit-learn.org
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.