taralino

RandomForest

Ein Random Forest ist eigentlich nichts anderes als eine Zusammenstellung mehrerer Entscheidungsbäume zu einem Wald (forest). Die einzelnen Entscheidungsbäume sind jeweils unterschiedlich, da bei der Erstellung an jedem Knoten ein zufälliges Merkmal gewählt wird (random).

Somit kann ein Random Forest verwendet werden, um eine Klassifikationsaufgabe zu lösen: Bei einem zu klassifizierenden Objekt entscheidet die Mehrheit der Bäume des Waldes mit dem gleichen Klassifikationsergebnis.

Übersicht

Das RandomForest-Paket stellt folgende Befehle und Funktionen zur Verfügung:

Beispiel

Bevor ein Random Forest bestimmt wird, werden Trainingsdaten im dafür benötigten Format definiert. Anschließend wird die Klassifikation eines Objekts durchgeführt.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

// Trainingsdaten mit bekanntem Klassifikationsergebnis
var X = [
  {input:[0.3, 0.2, 0.5], index:0},
  {input:[0.8, 0.4, 1.0], index:0},
  {input:[0.5, 1.0, 0.2], index:1},
  {input:[0.2, 0.3, 0.0], index:1}
];

// Zu testendes Objekt
var x = [0.3, 0.3, 0.3];

// Random Forest erstellen
RandomForest.init(X, {trees:23});

// Testobjekt auswerten
var t = RandomForest.evaluate(x);

// Ergebnis der Klassifikation
Console.print(t);

</script>
</body>
</html>

Vorschau Download Kopie speichern

Beispiel

Es werden Trainings- und Testdaten unter Verwendung des ClassificationData-Pakets erzeugt. Anhand dieser Daten wird ein Random Forest erstellt und anschließend getestet. Dargestellt wird die zugehörige Konfusionsmatrix.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

var X = ClassificationData.get(400, {categories:4, shape:"mixed"});
var Y = ClassificationData.get(100, {categories:4, shape:"mixed"});

RandomForest.init(X, {trees:23});
RandomForest.confusion_matrix(Y, {display:"on"});

</script>
</body>
</html>

Vorschau Download Kopie speichern