Aprendizaje automático práctico con Scikit-Learn, Keras y TensorFlow, 3ª edición

Capítulo 7. Aprendizaje por conjuntos y bosques aleatorios

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Supón que planteas una pregunta compleja a miles de personas al azar, y luego agregas sus respuestas. En muchos casos descubrirás que esta respuesta agregada es mejor que la respuesta de un experto. Esto se llama la sabiduría de la multitud. Del mismo modo, si agregas las predicciones de un grupo de predictores (como clasificadores o regresores), a menudo obtendrás mejores predicciones que con el mejor predictor individual. Un grupo de predictores se denomina conjunto; por tanto, esta técnica se denomina aprendizaje de conjunto, y un algoritmo de aprendizaje de conjunto se denomina método de conjunto.

Como ejemplo de método de conjunto, puedes entrenar un grupo de clasificadores de árboles de decisión, cada uno en un subconjunto aleatorio diferente del conjunto de entrenamiento. A continuación, puedes obtener las predicciones de todos los árboles individuales, y la clase que obtenga más votos será la predicción del conjunto (consulta el último ejercicio del Capítulo 6). Este conjunto de árboles de decisión se denomina bosque aleatorio y, a pesar de su simplicidad, es uno de los algoritmos de aprendizaje automático más potentes que existen en la actualidad.

Como se explica en el Capítulo 2, a menudo utilizarás métodos de conjunto hacia el final de un proyecto, una vez que ya hayas construido unos cuantos ...