From a5a0ae0587d09e9d672862d29dc3d91f9b5d3c1b Mon Sep 17 00:00:00 2001 From: martijn Date: Mon, 31 Jan 2022 14:31:11 +0100 Subject: [PATCH] Toelichting Random Forests bijgewerkt --- lesstof/week 5.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/lesstof/week 5.md b/lesstof/week 5.md index b0963e0..38f7069 100644 --- a/lesstof/week 5.md +++ b/lesstof/week 5.md @@ -55,7 +55,7 @@ Meten van puurheid ($m$ is het aantal categorieën): Ensemble learning is een strategie waarbij meerdere verschillende classifiers/models in één model worden gecombineerd. Dit reduceert *variantie* in de voorspelling. Er zijn verschillende Ensemble methodes: * **Bagging** - Er worden meerdere instanties van hetzelfde model gebouwd elk getrained op een verschillende subset van de originele dataset. Staat voor *"Bootrstrapping and Aggregating"* -* **Random Forests** - Een methode specifiek voor Decision Trees. Werkt voort op dezelfde basis als **bagging** alleen wordt meer *randomness* gehanteerd bij het creeren van splitsingen in de boom. +* **Random Forests** - Een methode specifiek voor Decision Trees. Werkt voort op dezelfde basis als **bagging** alleen wordt willekeurig een aantal features gekozen voor elke knoop. * **Boosting** - Verbeterd een model door informatie te gebruiken van vorige classifiers. Samengevat: