Random Forests
Random Forests und deren Varianten gehören zu den erfolgreichsten Methoden des maschinellen Lernens. Ihre Einfachheit, Effizienz, Robustheit, Genauigkeit und Allgemeinheit führten sowohl zu mannigfaltigen Adaptionen des zugrunde-liegenden Konzepts als auc
- PDF / 1,036,670 Bytes
- 42 Pages / 439.36 x 666.15 pts Page_size
- 0 Downloads / 241 Views
Inhaltsverzeichnis 1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Random Forests – Die Idee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Entscheidungsbäume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Ensemble-Lernen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 Ein kurzer geschichtlicher Überblick über Random Forests und deren Varianten . . . 2 Random Forests – Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Schwache Bäume – Starke Wälder? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Starke Bäume – Schwache Wälder? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Wie aus vielen Bäumen ein Wald wird . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Analyse, Visualisierung und Interpretation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Qualitäts- und Strukturmaße . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Visualisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Verstehen der Lösung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Anwendungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Schlußbemerkungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 5 7 10 13 16 18 19 24 27 28 31 32 33 36 38
Zusammenfassung
Random Forests und deren Varianten gehören zu den erfolgreichsten Methoden des maschinellen Lernens. Ihre Einfachheit, Effizienz, Robustheit, Genauigkeit und Allgemeinheit führten sowohl zu mannigfaltigen Adaptionen des zugrunde-
Dieser Beitrag ist Teil des Handbuchs der Geodäsie, Band „Photogrammetrie und Fernerkundung“, herausgegeben von Christian Heipke, Hannover. Etwa: „Zufallswälder“ R. Hänsch () • O. Hellwich Technische Universität Berlin, Berlin, Deutschland E-Mail: [email protected]; [email protected] © Springer Berlin Heidelberg 2015 W. Freeden, R. Rummel (Hrsg.), Handbuch der Geodäsie, Springer Reference Naturwissenschaften, DOI 10.1007/978-3-662-46900-2_46-1
1
2
R. Hänsch und O. Hellwich
liegenden Konzepts als auch zu vielen erfolgreichen Anwendungen auf verschiedene Problemstellungen. Dieser Artikel versucht einen Überblick über Random Forests zu schaffen, stellt deren Ursprünge dar, erklärt grundlegende Konzepte und potentielle Erweiterungen, diskuti
Data Loading...
