A Random Forest több döntési fát kombináló algoritmus, amely a fák többségi szavazata alapján hoz döntést.
Ez egy olyan módszer, amely javítja a döntési fák gyengeségeit. Általában pontosabb és robusztusabb, mint egyetlen fa.
Az egyik leggyakrabban használt és megbízható gépi tanulási algoritmus.
Vásárlói lemorzsolódás előrejelzése (churn prediction).
A döntési fa egy fa alakú modell, amely sorozatos kérdések alapján hoz döntést.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A hyperparaméterek olyan beállítások, amelyeket a modelltanítás előtt adunk meg, és amelyek befolyásolják a tanulási folyamatot.
A hyperparaméter hangolás az a folyamat, amely során megtaláljuk a modell számára legjobb beállításokat.
A jellemzők azok a változók vagy tulajdonságok, amelyeket a modell a döntések meghozatalához használ.
Az osztályozás egy prediktív modellezési módszer, ahol a cél az, hogy az adatok előre definiált kategóriákba kerüljenek.
A regresszió egy gépi tanulási módszer, amely folytonos értékek előrejelzésére szolgál.
A túlillesztés akkor fordul elő, amikor a modell túl jól megtanulja a tanítókészlet adatait, de új adatokon rosszul teljesít.
