مروری بر روش های بهبود کارایی تکنیک جنگل تصادفی

روش جنگل تصادفی یکی از روشهای فراگیر یادگیری ماشین می باشد که کاربرد پیشگویانه رقابتی در زمینه های مختلف ازجمله علوم بیولوژی، مالی، مهندسی شیمی و غیره دارد. درواقع جنگل تصادفی یک روش یادگیری ماشین تحت نظارت محسوب می شود که کاربرد اصلی آن در داده کاوی می باشد. برای بهبود بخشیدن کارایی روش جنگل تصادفی می توان بر روی محور دقت و سرعت آن کارکرد. در زمینه بهبود دقت، با استفاده از ارزیابی ویژگیهای مختلف و ترکیب کردن توابع آن کار را جلو می برند. بهبود در سرعت یادگیری از طریق کاهش در درختان تصمیم اصلی و در نتیجه افزایش سرعت طبقه بندی پیشنهاد می شود. همچنین روش جنگل تصادفی دارای خواص موازی سازی است و می تواند به راحتی در جهت گسترش پذیری و بهبود کارایی موازی سازی شود. در این مقاله مروری خواهیم داشت بر جدیدترین متدهای بهبود دقت و سرعت در الگوریتم جنگل تصادفی و همچنین نتایج به دست آمده از آنها را با یکدیگر به طور خلاصه مقایسه خواهیم کرد