Random Forest

Conceptos

Metodo de Ensamble: Es un método que combina multiples modelos de aprendizaje para mejorar la generalizacion y la robustez sobre un único modelo. El método de ensamble entrenar dos o más modelos de aprendizaje en una tarea específica de regresión o clasificacion.

Arbol de Decision: Es un modelo de aprendizaje supervisado que se utiliza para la toma de decisiones. Es un arbol que se compone de nodos y ramas. los nodos representan las características de un conjunto de datos y las ramas representan las reglas (conjunciones) de decision que se toman para llegar

Random Forest

Random Forest es un algoritmo de aprendizaje supervisado, creado por Leo Breiman y Adele Cutler, su funcionamiento principal consiste en ombinar la salida de varias desciciones para alcanzar un solo resultado. Es un método de ensamble que se usa para clasificacion y regresión. Consiste en la creacion de multiples arboles de decision durante el entrenarmiento. A diferencia de los arboles de decision, Random Forest al utilizar la aleatoriedad en la selección de las características, evita el sobreajuste y aumenta la precision del modelo. Y a diferencia de los arboles de decision, Random Forest no utiliza todos los datos para entrenarr cada arbol, sino que utiliza una muestra aleatoria de los datos lo que hace que el modelo sea más robusto y generalice mejor.

También utiliza el método de bagging, que consiste en entrenarr multiples arboles de decision con diferentes subconjuntos de datos y luego combinar las salidas de los arboles para obtener un resultado final.

Tomando en cuenta toda la variabilidad potencial en los datos disminuimos el riesgo de sobreajuste y aumentamos la precision del modelo.

Como funciona

Los Random Forest tienen principalmente tres hiperparametros principales:

1. Numero de arboles(number of trees): Especifica la cantidad de arboles que se van a crear en el modelo.
2. Numero de características(number of feautures): Especifica la cantidad de características que se van a utilizar para entrenarr cada arbol.
3. Profundidad maxima(node size): Especifica la profundidad maxima que puede tener cada arbol.

Cada arbol en el bosque se entrenar con una muestra aleatoria de los datos y con un subconjunto aleatorio de las características. Este dataset tiene que ser un dataset con reemplazo, es decir, que los datos pueden ser seleccionados más de una vez.