Tuesday, January 31, 2017

Random Forest (2) - Algoritma

Artikel ini merupakan kelanjutan dari artikel sebelumnya tentang Random Forest.

Algoritma Random Forest (RF)

Algoritma Voting pada Random Forest (FR)
Algoritma Voting pada Random Forest (FR)

Setiap pohon keputusan dalam RF dibentuk menggunakan algoritma berikut:
1.Let the number of training cases be N, and the number of variables in the classifier be M.
2.We are told the number m of input variables to be used to determine the decision at a node of the tree; m should be much less than M.
3.Choose a training set for this tree by choosing n times with replacement from all N available training cases (i.e. take a bootstrap sample). Use the rest of the cases to estimate the error of the tree, by predicting their classes.
4.For each node of the tree, randomly choose m variables on which to base the decision at that node. Calculate the best split based on these m variables in the training set.
5.Each tree is fully grown and not pruned (as may be done in constructing a normal tree classifier).
Untuk memprediksi, sample baru dimasukkan ke dalam pohon keputusan yang ada untuk ditentukan kelas dari sample tersebut. Prosedur ini dilakukan berulang ke dalam keseluruhan pohon keputusan yang tergabung di dalam FR. Kesimpulan akhir mengenai kelas dari sample baru tersebut ditentukan dengan cara voting hasil kelas oleh seluruh pohon keputusan di dalam FR.

Semoga bermanfaat dan tunggu artikel mengenai Decision Forest berikutnya.

Related Posts

Random Forest (2) - Algoritma
4/ 5
Oleh