| 132
لنفترض أن لدينا أنموذجًا ذكيًّا يريد تحديد ما إذا كان المشــترون سيشــترون مثال: منتجًا معينًا أم ال اســتنادًا إلى مجموعة من العوامل مثل العمر، والدخل، والمكانة االجتماعية. يمكن استخدام شجرة قرار لتحقيق ذلك. في البداية، يتم وضع العوامل الرئيسية (العمر، الدخل، المكانة االجتماعية) على أعلى الشجرة. يتم تقسيم المشترين إلى فئات فرعية استنادًا إلى قيمة واحدة من هذه العوامل؛ على سبيل المثال، يمكن ومن ال يزيد عنها. تُكرر هذه العملية على 30 تقســيمهم إلى من يزيد عمرهم عن الفئات الفرعية حتى يتم التوصل إلى تصنيف نهائي للمشترين. استنادًا " لن يشتروا " أو " سيشترون " في النهاية، سيقوم النموذج بتصنيف المشترين إما إلى السلسلة من القرارات والعوامل التي تم استخدامها. هذا يمكن أن يساعد األعمال التجارية على تحســين استراتيجيات التسويق واتخاذ القرارات بناء على تحليل دقيق لعوامل العمالء. )Random Forest( الغابات العشوائية الغابات العشوائية هي تقنية في مجال تعلم اآللة والذكاء االصطناعي تستخدم لحل مشكالت التصنيف والتنبؤ. تعتمد هذه التقنية على مفهوم تجميع النماذج حيث يتم إنشــاء مجموعة من األشــجار القرارية (شــجر القرار) ومن ثم يتم دمج نتائج هذه .) 11 األشجار للحصول على توقع أكثر دقة( الغابات العشوائية تعد جزءًا من مجال تعلم اآللة وتمثل العالقة بالذكاء االصطناعي: تقنية مهمة في مجال الذكاء االصطناعي. تمكن الغابات العشوائية من تطبيق تصنيفات دقيقة وتنبؤات بناء على البيانات بشــكل أفضل من النماذج الفردية، وهذا يزيد من فعالية التحليالت واتخاذ القرارات. لنفتــرض أن لدينا مجموعة صور حيوانات مثل الــكالب والقطط واألرانب مثــال: ونريد تطوير نموذج ذكي لتصنيف هذه الصور إلى فئات مختلفة باســتخدام الغابات العشــوائية. يتم جمع مجموعة من الصور وتحضيرها للتدريب وإنشــاء مجموعة من األشجار القرارية (مثل شجر القرار)، فيتم تدريب كل شجرة على جزء عشوائي من البيانات. عندما نريد تصنيف صورة جديدة، يتم اســتخدام جميع األشجار في الغابة للتصنيــف، ويتم اعتبار الفئة األكثر تكرارًا بين األشــجار التصنيف النهائي للصورة.
Made with FlippingBook Online newsletter