مدل" Random Forest" در یادگیری ماشین

 تصور کن یه گروه از دوستات میخوان یه مسئله رو حل کنن. مثلاً میخوان حدس بزنن یه میوه‌ای که جلوشون هست سیبه یا پرتقال. هر کدوم از دوستات یه نظر می‌ده، بعضی‌ها می‌گن سیبه و بعضی‌ها می‌گن پرتقال. بعد همه‌ی این نظرها رو جمع می‌کنن و تصمیم نهایی رو می‌گیرن. 

حالا "رندوم فارست" هم یه جورایی همین کار رو می‌کنه. این مدل یه گروه از درخت‌های تصمیم‌گیری هستن که هر کدومشون یه نظر می‌دن. هر درخت تصمیم‌گیری مثل یه دوسته که با توجه به بعضی ویژگی‌ها (مثلاً رنگ، اندازه، شکل میوه) حدس می‌زنه میوه سیبه یا پرتقال. بعد همه‌ی این حدس‌ها جمع می‌شن و مدل تصمیم نهایی رو می‌گیره.

چرا این کار رو می‌کنه؟ چون اگه فقط یه درخت تصمیم‌گیری داشته باشیم، ممکنه اشتباه کنه. اما وقتی کلی درخت با هم نظر می‌دن، احتمال اشتباه کمتر می‌شه و جواب دقیق‌تری به دست میاد. 

پس رندوم فارست یه روشیه که با استفاده از کلی درخت تصمیم‌گیری و جمع‌آوری نظراتشون، سعی می‌کنه بهترین جواب رو پیدا کنه.

هدف اصلی "رندوم فارست" (Random Forest) اینه که پیش‌بینی‌های دقیق‌تر و قابل اعتمادتری انجام بده! 

مثال در قالب استفاده رندوم فارست  توسط یک بانک:

فرض کن یه بانک می‌خواد تصمیم بگیره که به یه مشتری وام بده یا نه. این تصمیم خیلی مهمه، چون اگه بانک به کسی وام بده که بعداً نتونه پولش رو پس بده، ضرر می‌کنه. پس بانک باید یه روش دقیق و مطمئن داشته باشه تا بتونه تشخیص بده کدوم مشتری‌ها قابل اعتمادن و کدوم‌ها نه.

حالا چطوری "رندوم فارست" می‌تونه به بانک کمک کنه؟ 

 جمع‌آوری اطلاعات مشتری‌ها:

بانک اطلاعات مختلفی از مشتری‌ها داره، مثلاً:

سن مشتری

درآمد ماهانه

سابقه‌ی قبی (آیا قبلاً وام گرفته و به موقع پس داده یا نه؟)

مقدار وامی که می‌خواد

شغل مشتری

و چیزهای دیگه...

ساختن درخت‌های تصمیم‌گیری:

رندوم فارست یه گروه از درخت‌های تصمیم‌گیری می‌سازه. هر درخت مثل یه کارمند بانکه که با توجه به اطلاعات مشتری تصمیم می‌گیره وام بده یا نه. مثلاً:

یه درخت ممکنه بگه: "اگه درآمد مشتری بالای ۵ میلیون تومن باشه و سابقه‌ی  خوبی داشته باشه، وام رو تأیید کن."

یه درخت دیگه ممکنه بگه: "اگه سن مشتری کمتر از ۳۰ سال باشه و شغلش ثابت نباشه، وام رو تأیید نکن."

هر درخت یه نظر می‌ده، و این نظرها می‌تونن متفاوت باشن.

بعد از اینکه همه‌ی درخت‌ها نظر دادن، رندوم فارست نظراتشون رو جمع‌بندی می‌کنه. مثلاً اگه ۸۰ تا از درخت‌ها بگن "وام بده" و ۲۰ تا بگن "وام نده"، مدل تصمیم می‌گیره که وام رو تأیید کنه.

هدف رندوم فارست توی بانک:

هدف اینه که بانک بتونه با دقت بیشتری تصمیم بگیره و:

به مشتری‌های قابل اعتماد وام بده.

از دادن وام به مشتری‌هایی که ممکنه پولشون رو پس ندن، جلوگیری کنه.

اینطوری بانک کمتر ضرر می‌کنه و مشتری‌های خوب هم راضی می‌شن.