كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجة

الغابة العشوائية

Random Forest

التعلم الموجّه Supervised Learning

التعريف

مجموعة كبيرة من أشجار القرار تُدرّب كل منها على عينة عشوائية من البيانات والخصائص، ثم تُجمع تنبؤاتها بالتصويت أو المتوسط.

الفكرة الأساسية

أخطاء الأشجار المنفردة مختلفة وعشوائية، فعند جمعها يتقلص التباين وتصبح النتيجة أكثر استقراراً (Bagging + اختيار عشوائي للخصائص).

تصويت: الفئة الأخضر 3/4
عدة أشجار مختلفة تصوت، والفئة الأكثر أصواتاً هي التنبؤ.

آلية العمل

  1. نسحب عينة Bootstrap مع الإرجاع لكل شجرة
  2. عند كل تقسيم نختار عشوائياً جزءاً من الخصائص
  3. ندرّب عشرات أو مئات الأشجار
  4. نجمع التنبؤات: تصويت للتصنيف ومتوسط للانحدار

نوع البيانات ونوع المشكلة

نوع البياناتجدولية رقمية وفئوية
نوع المشكلةتصنيف وانحدار

المزايا

  • دقة عالية دون ضبط كثير
  • مقاومة للإفراط في التخصيص مقارنة بالشجرة المنفردة
  • تعطي أهمية الخصائص Feature Importance

القيود

  • أبطأ وأثقل من الشجرة الواحدة
  • أقل قابلية للتفسير
  • لا تستقرئ خارج مدى بيانات التدريب في الانحدار

المعاملات المهمة

  • عدد الأشجار
  • عدد الخصائص المرشحة عند كل تقسيم
  • العمق الأقصى

مقاييس التقييم

  • Accuracy الدقة
  • Precision وRecall
  • F1-score
  • Confusion Matrix مصفوفة الالتباس
  • ROC AUC للتصنيف الثنائي
  • للانحدار: MAE وRMSE وR²

الأدوات التي تدعمها

OrangeRandom Forest
KNIMERandom Forest Learner + Random Forest Predictor
WEKAtrees.RandomForest

أمثلة تطبيقية

  • تصنيف أنواع النبيذ
  • التنبؤ بمغادرة العملاء
  • تقدير أسعار المنازل

مشاريع مرتبطة

خوارزميات بديلة

جرّبها في المختبر