Übung Random Forest I
Modul 3: Klassische ML Algorithmen I
Kapitel 3: Random Forest
Bearbeitungszeit: ca. 60 min
Im Folgenden sehen Sie den gleichen Datensatz mit dem wir in der vorherigen Übung den einzelnen Decision-Tree gebaut haben. Dieser Datensatz wird uns auch durch diese Übung begleiten.
- Ziehen Sie drei Bootstrap-Samples aus den Trainingsdaten. (n ist in diesem Fall gleich 3. Normalerweise wählt man die Bootstrap-Samples zufällig aus. Damit wir aber einen gemeinsamen Lösungsweg haben verwenden Sie bitte aus dem Trainingsdaten die Zeilen 4,5 & 6.)
- Bestimmen Sie den Wert für M.
- Wie viele Merkmale dürfen an jedem Knoten im Bam ausgewählt werden?
- Bestimmen Sie anhand des unten dargestellten Entscheidungsbaums was ein „Test“, „Battknoten“ und „Blatt“ ist.
- Zählen Sie die vier „Hyper-Parameter“ auf die man beim Trainieren von Random-Forests anpassen kann. Fassen Sie jeden dieser Parameter in maximal zwei Sätzen zusammen.
- Versuchen Sie die vier „Hyper-Parameter“ auf den ermittelten Decision-Tree aus dem vorherigen Kapitel zu beziehen. Was bedeuten die vier „Hyper-Parameter“ für diesen einzelnen Decision-Tree?

Folgen Sie uns auf Social Media: