Interaktiv: Random Forests

Random Forests sind maschinelle Lernverfahren, die auch als „Ensemble-Verfahren“ bezeichnet werden. Hierbei wird statt nur eines einzelnen Entscheidungsbaums eine ganze Gruppe solcher Bäume trainiert („Wald“). Zur Klassifikation einer Eingabe wird diese in jedem Baum ausgewertet. Diejenige Klasse, die am häufigsten gewählt wurde, ist die Ausgabe des Random Forest. Warum sieht nicht jeder Baum gleich aus? Das liegt daran, dass für jeden Baum zufällig nur eine (zufällig mit Zurücklegen gezogene) Teilmenge der gesamten Trainingsdaten als Trainingsgrundlage verwendet wird (so genanntes „Bootstrapping“). Außerdem wird für jeden Baum nur eine jeweils zufällig gewählte Anzahl der Inputfaktoren (Features) verwendet (hier: entweder der x-Wert oder der y-Wert).

in Erstellung

Du kannst Datenpunkte mit der Maus verschieben, löschen (nach unten links aus dem Bild ziehen) oder neu hinzufügen (Buttons oben rechts). Beobachte dabei, wie sich die Einfärbung der Fläche ändert: Punkten in blauen Bereichen weist der Random Forest die Kategorie „blau“, Punkten in orangefarbenen Gebieten die Kategorie „orange“ zu. Mit dem oberen Schieberegler kannst du einstellen, wie viele einzelne Bäume trainiert werden sollen (d. h. wie „groß“ der Random Forest ist). Mit dem unteren Schieberegler kannst du die einzelnen Bäume anzeigen. Achte dabei darauf, ob ein Baum auf x-Werten oder auf y-Werten basiert.