র্যান্ডম ফরেস্ট হল এক শ্রেণীর সমন্বিত পন্থা যা বিশেষভাবে ডিসিশন ট্রি ক্লাসিফায়ারের জন্য ডিজাইন করা হয়েছে। এটি বেশ কয়েকটি সিদ্ধান্ত গাছের দ্বারা করা ভবিষ্যদ্বাণীগুলিকে একীভূত করে, যেখানে প্রতিটি বৃক্ষ একটি পৃথক র্যান্ডম ভেক্টরের মানের উপর ভিত্তি করে তৈরি করা হয়৷
এলোমেলো ভেক্টরগুলি একটি ধ্রুবক সম্ভাব্যতা বন্টন থেকে উত্পাদিত হয়, AdaBoost-এ ব্যবহৃত অভিযোজিত পদ্ধতির বিপরীতে, যেখানে সম্ভাব্যতা বন্টন বিভিন্ন লক্ষ্যবস্তুতে বিচিত্র হয় যেগুলিকে শ্রেণীবদ্ধ করা কঠিন।
ব্যাগিং-এর সিদ্ধান্ত গাছের প্রয়োজন হল এলোমেলো বনের একটি নির্দিষ্ট ক্ষেত্রে, যেখানে প্রাথমিক প্রশিক্ষণ সেট থেকে এলোমেলোভাবে এন নমুনাগুলি পুনরুদ্ধার সহ নির্বাচন করে মডেল-বিল্ডিং পদ্ধতিতে এলোমেলোতা প্রবেশ করানো হয়। সম্পূর্ণ মডেল-বিল্ডিং ফেজ জুড়ে এর বুটস্ট্র্যাপড নমুনাগুলি তৈরি করতে ব্যাগিংয়ের জন্যও একই অভিন্ন সম্ভাব্যতা বিতরণের প্রয়োজন৷
প্রতিটি সিদ্ধান্ত গাছের একটি এলোমেলো ভেক্টর প্রয়োজন যা কিছু ধ্রুবক সম্ভাব্যতা বন্টন থেকে উত্পাদিত হয়। একটি এলোমেলো ভেক্টর বিভিন্ন উপায়ে বৃক্ষ-বর্ধন পদ্ধতিতে একত্রিত হতে পারে। প্রথম পদ্ধতি হল সিদ্ধান্ত গাছের প্রতিটি নোডে ভাগ করার জন্য এলোমেলোভাবে F ইনপুট বৈশিষ্ট্যগুলি বেছে নেওয়া৷
ফলস্বরূপ, সমস্ত অ্যাক্সেসযোগ্য বৈশিষ্ট্যগুলি পরীক্ষা করার পরিবর্তে, এই নির্বাচিত বৈশিষ্ট্যগুলি থেকে একটি নোড ভাগ করার সিদ্ধান্ত নেওয়া হয়। গাছটি কিছু ছাঁটাই ছাড়াই সম্পূর্ণরূপে বিকশিত হয়। এটি আগত গাছে উপস্থিত পক্ষপাত কমাতে সাহায্য করতে পারে।
যেহেতু গাছগুলি তৈরি করা হয়েছে, ভবিষ্যদ্বাণীগুলি সংখ্যাগরিষ্ঠ ভোটের নকশা ব্যবহার করে সংযুক্ত করা হয়েছে৷ এই পদ্ধতিটিকে ফরেস্ট-আরএল বলা হয়, যেখানে RI এলোমেলো ইনপুট নির্বাচনকে সংজ্ঞায়িত করে। এটি এলোমেলোতা উন্নত করতে পারে, বন-আরআই-এর জন্য বুটস্ট্র্যাপ নমুনা তৈরি করতে ব্যাগিং ব্যবহার করা যেতে পারে।
এলোমেলো বনের স্থায়িত্ব এবং পারস্পরিক সম্পর্ক F এর আকারের উপর ভিত্তি করে হতে পারে। যদি F পর্যাপ্ত পরিমাণে ছোট হয়, তাই গাছের প্রভাব কম সম্পর্কযুক্ত হয়। অন্য পদে, গাছের শ্রেণীবিন্যাসকারীর শক্তি অধিক সংখ্যক বৈশিষ্ট্য, F.
যদি একাধিক মূল বৈশিষ্ট্য d খুব ছোট হয়, তাই সিদ্ধান্ত গাছ নির্মাণের জন্য র্যান্ডম বৈশিষ্ট্যগুলির একটি পৃথক সেট নির্বাচন করা জটিল। বৈশিষ্ট্য স্থান বাড়ানোর একটি পদ্ধতি আছে ইনপুট বৈশিষ্ট্যগুলির একটি রৈখিক সেট তৈরি করা। বিশেষ করে, প্রতিটি নোডে, এলোমেলোভাবে ইনপুট বৈশিষ্ট্যগুলির L নির্বাচন করে একটি নতুন বৈশিষ্ট্য তৈরি করা হয়৷
ইনপুট বৈশিষ্ট্যগুলি [-1, 1] পরিসরে একটি অভিন্ন বন্টন থেকে তৈরি সহগ ব্যবহার করে রৈখিকভাবে লিঙ্ক করা হয়। প্রতিটি নোডে, এলোমেলোভাবে মিলিত নতুন বৈশিষ্ট্যগুলির F তৈরি করা হয়, এবং শেষ পর্যন্ত নোডকে ভাগ করার জন্য তাদের মধ্যে সেরাটি বেছে নেওয়া হয়। এই পদ্ধতির নাম ফরেস্ট-আরসি।
