Lección 2 del curso Bosques Aleatorios.
En la lección anterior vimos en qué consiste el aprendizaje por ensamble («ensemble learning»), un primer concepto clave usado en los Bosques Aleatorios.
En esta segunda lección del curso hablaremos del «bagging» un segundo concepto que resultará esencial para entender cómo se construyen los Bosques Aleatorios:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, el «bagging» hace uso del concepto de «bootstrapping» (del cual hablamos en detalle en el curso Estadística Inferencial – Fundamentos) para generar diferentes grupos de muestras del set de datos usando el muestreo aleatorio con repetición.
Y con esto resulta posible entrenar modelos «débiles» ligeramente diferentes los unos de los otros para luego ensamblarlos en un modelo capaz de generar mejores predicciones.
Así que en este punto ya tenemos los dos elementos sobre los cuales se basa el principio de funcionamiento de los Bosques Aleatorios: el aprendizaje por ensamble y el «bagging».
Entonces, en la próxima lección combinaremos estos dos conceptos para entender el principio de funcionamiento de los Bosques Aleatorios.
Todas las lecciones del curso Bosques Aleatorios