Makine öğrenmesi modellerinin çoğu bir “kara kutu” gibidir; ama bir istisna var: karar ağaçları. İnsan mantığına en yakın, en anlaşılır modellerdendir. Üstüne bir de rastgele orman eklendiğinde, hem sezgisel hem güçlü bir araç ortaya çıkar.
Karar ağacı nedir?
Karar ağacı, bir dizi evet/hayır sorusuyla sonuca ulaşan bir modeldir; tıpkı bir akış şeması gibi. “Yaş 30”dan büyük mü? Gelir şu kadar mı?” gibi dallanmalarla veriyi giderek daha küçük gruplara ayırır ve bir tahmine varır.
Aşırı öğrenme riski
Tek bir karar ağacı, çok derinleşirse veriyi ezberleyip aşırı öğrenmeye (overfitting) düşer; eğitim verisinde mükemmel ama yeni veride başarısız olur. İşte rastgele orman tam bu sorunu çözmek için doğdu.
Rastgele orman: birlikten güç
Rastgele orman, tek bir ağaç yerine yüzlerce farklı ağaç eğitir ve kararı oylamayla verir. Her ağaç verinin ve özelliklerin farklı bir kısmını görür; tek tek yanılabilirler ama birlikte çok daha isabetli ve kararlı olurlar.
Neden sevilir?
Çünkü hem güçlüdür hem de yorumlanabilir: bir kararın neden verildiğini adım adım izleyebilirsiniz. Bu, özellikle sınıflandırma problemlerinde ve şeffaflığın önemli olduğu alanlarda büyük avantajdır.
İşin hocası ne yapar?
İşin hocası karmaşık bir modele atlamadan önce basit bir karar ağacı dener; çünkü çoğu zaman en anlaşılır çözüm, en iyi başlangıçtır.
İlgili yazı: Kümeleme (Clustering)
Sıkça Sorulan Sorular
Karar ağacı ile rastgele orman arasındaki fark nedir?
Karar ağacı tek bir ağaçtır ve tek başına aşırı öğrenmeye eğilimlidir. Rastgele orman ise yüzlerce farklı ağaç eğitip kararı oylamayla verir; bu sayede daha isabetli ve daha kararlı sonuçlar üretir.
Karar ağaçları hangi problemlerde kullanılır?
Hem sınıflandırma (kategori tahmini) hem de regresyon (sayı tahmini) problemlerinde kullanılabilir. Özellikle kararların neden verildiğinin açıklanabilir olması gereken durumlarda tercih edilir.
Rastgele orman neden aşırı öğrenmeyi azaltır?
Çünkü her ağaç verinin ve özelliklerin rastgele bir alt kümesiyle eğitilir. Tek tek ağaçların hataları birbirini dengeler ve oylama sonucunda genelleme yeteneği artar.