Sosyal Ağlarda Makine Öğrenmesi 7 [ Random Forest Regression ]

Random Forest Regresyon, Türkçe ismiyle Rastgele Orman Regresyonu aslında ismiyle müsemma. Tek bir ağaç yerine orman kullanalım dercesine birden fazla karar ağacını kullanarak daha doğru tahminlerde bulunmaya yaran bir regresyon modeli. Karar ağaçlarını esas aldığı için onun gibi kesikli şekilde sonuç veriyor.

Yazılımımıza geçelim. Kütüphaneleri ve verisetini içe aktarıyoruz.

Verisetimizi rastgele orman regresyonu ile eğitiyoruz. Burada en önemli nokta n_estimators ifadesi. Dikkat ederseniz bu diğer regresyon modellerimizde yoktu. n_estimators bizim kaç adet karar ağacı kullanacağımızı söylüyor. Biz modelimizde 20 adet karar ağacı ile işlem yapıyoruz. Random_state değişkenimizi 0 olarak alıyoruz. Son olarak fit() metoduyla verisetimizi eğitiyoruz.

Şimdi sonuçları görselleştirelim.

 

Grafik görüldüğü gibi önemli bir doğrulukla oluştu. Şimdi bir değer için tahmin alalım. 6.5 değeri için sistemimiz tahminde bulunuyor.

y_pred
Out[28]: array([71100.])

Sonucumuz 71.100 geldi. Karar ağacı sayımızı 100 yapıp tekrar sonuç alalım.

 

y_pred
Out[32]: array([50180.])

Sonuç bu sefer 50180 geldi. Karar ağacı sayımız artınca daha makul bir sonuç elde ettik.

You may also like...

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir