Skip to main content

> ML_ALGORITHM // EXTRA-TREES_v1.0

Aşırı Rastgele Ağaçlar (Extra Trees)

Optimum bölünme eşiğini aramak yerine rastgele kesme noktaları seçen, eğitimi hızlandırırken varyansı düşüren ağaç topluluğu.

Tree & Rule Ensemblesclassical-supervisedmoderate-posthocmedium (1k-100k)
Tüm Algoritmalara Dön
Hesaplama Karmaşıklığı
Eğitim (Training):Faster than Random Forest: O(n_trees * k * n)
Çıkarım (Inference):O(n_trees * depth)
Donanım Karakteristiği
CPU Uygunluğu:Evet
GPU Zorunluluğu:Hayır
Bellek Ayak İzi:moderate
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:moderate-posthoc
Eğitim Verisi İhtiyacı:medium (1k-100k)

Açıklanabilirlik Değerlendirmesi

Topluluk özellik önemleri ve TreeSHAP aracılığıyla değerlendirilir.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:
binary classificationmulticlass classificationregression
Desteklenen Modaliteler:
tabular

Uygulayıcı Kütüphaneler

scikit-learnscikit-learn Consortium / Inria · v1.5.2
İncele
caret-r

Temel Literatür & Yayınlar

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
  • Yüksek yapılandırılmış, düşük boyutlu veri setlerinde artan yanlılık