No items found.

No items found.

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.

  1. 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.)
  2. Bestimmen Sie den Wert für M.
  3. Wie viele Merkmale dürfen an jedem Knoten im Bam ausgewählt werden?
  4. Bestimmen Sie anhand des unten dargestellten Entscheidungsbaums was ein „Test“, „Battknoten“ und „Blatt“ ist.
  5. 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.
  6. 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?
Hier geht's zum Download