Random Forestで計算できる特徴量の重要度 - なにメモ

テクノロジーカテゴリーの変更を依頼記事元:

alfredplpl.hatenablog.com

96 usersがブックマークコメント

コメント

9

記事へのコメント9件

注目コメント
新着コメント

s-feng >>本来はエントロピーが最大最小となるようにサンプルを分割できるよう閾値を決めます。ただし、この手法にが特許があり(c.f. See 5.0など)このままでは公開できません。そこで、その代替として一般にジニ係数を用います

2019/09/17 リンク

shu_ohm1 ランダムフォレストの特徴量重要度を計算する一手法。各木に対し、OOBサンプル間で特徴量をひとつずつシャッフルし、その前後での誤り率の変化を見る。

machinelearning

2018/09/12 リンク

shonanboy 興味深い

2018/06/29 リンク

masatoi これを実装したい

2017/11/22 リンク

teddy-g Random Forestの「寄与率」についてのざっくりとした説明。出来上がった森の内容を直接見るのではなく、森を使ってvalidationする感じ。

2017/03/26 リンク

mrkn [statistics][feature_selection][feature_importance]

2017/02/21 リンク

somemo “学習データのうち、平均で1/3ぐらいは学習に使われないそうです。この使われなかったデータをout-of-bag（OOB）といいます”

2017/01/15 リンク

agw OOBの説明等が大変分かりやすい良エントリ。

2014/03/08 リンク

Hmj-kd 機械学習

2013/12/25 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

{{ total_bookmarks_with_user_postfix }}{{ root_title }}

Random Forestで計算できる特徴量の重要度 - なにメモ

(pixabay.comより) １．背景とか Random Forest[1]とは、ランダムさがもつ利点を活用し、大量に作った決... (pixabay.comより) １．背景とか Random Forest[1]とは、ランダムさがもつ利点を活用し、大量に作った決定木を効率よく学習させるという機械学習手法の一種です。SVMなどの既存の手法に比べて、特徴量の重要度が学習とともに計算できること、学習が早いこと、過学習が起きにくいこと（追記注釈１）などの利点が挙げられます。Kinectの姿勢推定に使われているらしいです。最近、Random Forestをカジュアルに使う例が多く（特にうちの研究室）、一部パラメータやら出力やらがわからない人も多いと思います。使い方はTJOさんの資料[2]を読んでもらえれば理解できると思うし、詳細は波部先生の資料[3]をよんでもらえればわかると思います。それで、いろいろな日本語の資料をいくら読んでも、Random Forestがもつ特徴の１つである、特徴量の重要度の詳細に関してはほとんどノータッ

ブックマークしたユーザー

techtech05212023/11/11
rydot2019/10/28
s-feng2019/09/17
shu_ohm12018/09/12
ma__ko__to2018/08/28
shonanboy2018/06/29
werdandi2018/06/23
Gln2018/06/20
uotan2017/11/23
masatoi2017/11/22
teddy-g2017/03/26
int1282017/02/21
Nyoho2017/02/21
razokulover2017/02/21
mrkn2017/02/21
somemo2017/01/15
tokb2016/11/20
pero12016/10/13

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - テクノロジー

いま人気の記事 - テクノロジーをもっと読む

新着記事 - テクノロジー

新着記事 - テクノロジーをもっと読む

設定を変更しましたx