ランダムフォレスト(Random Forest, RF)について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、RFで何ができるか、RFをどのように計算するかが説明されています。pdfもスライドも自由にご利用ください。

pdfファイルはこちらから、パワーポイント(pptx)ファイルはこちらからダウンロードできます。

興味のある方はぜひ参考にしていただき、どこかで使いたい方は遠慮なくご利用ください。

RFの概要

• サンプルと説明変数とをランダムにサンプリングして、決定木をたくさん作る
• 複数の決定木の推定結果を統合して、最終的な推定値とする
• アンサンブル(集団)学習 (Ensemble learning) の１つ
• 決定木と比べて精度は高くなることが多いが、モデルを解釈することは難しい
• 回帰分析にもクラス分類にも使える
• 説明変数の重要度を議論できる

スライドのタイトル

• Random Forest (RF) とは？
• RFの概略図
• どのようにサブデータセットを作るか？
• サブデータセットの数・説明変数の数はどうする？
• どのように推定結果を統合するか？
• 説明変数 (記述子) の重要度
• Out-Of-Bag (OOB)
• OOBを用いた説明変数 (記述子) の重要度
• 決定木の設定はどうする？

参考資料

• 金 明哲, Rによるデータサイエンス～データ解析の基礎から最新手法まで～, 森北出版 (2007)

RFのPythonのプログラムは、こちらの課題16をご参照ください。

以上です。

質問・コメントがありましたら、twitter・facebook・メールなどを通して教えていただけるとうれしいです。