前回の記事はランダムフォレスト（Random Forest）について解説しました。今回はランダムフォレストに似ているExtraTreesについて解説します。 関連記事：　決定木分析、ランダムフォレスト、Xgboost、CatBoost、LightGBM 目次： 1.　 エクストラツリー ExtraTreesとは 2. 　エクストラツリー ExtraTreesの特徴 3. 　SklearnのExtraTreesのパラメーター 4. 　実験・コード ＿＿4.1 データ読み込み ＿＿4.2 決定木、ランダムフォレスト、ExtraTrees ＿＿4.3 モデル評価 1.　 エクストラツリー ExtraTreesとは ExtraTrees とは　Extremely Randomized Treesの略称です。ExtraTreesClassifierは、基本的に決定木に基づくアンサンブル学習方法です。RandomForestのようなExtraTreesClassifierは、特定の決定とデータのサブセットをランダム化して、データからの過剰学習をランダムフォレストよりも少なくすることを想定されています。 論文はこれになります。 Extremely randomized trees Pierre Geurts · Damien Ernst · Louis Wehenkel https://link.springer.com/content/pdf/10.1007/s10994-006-6226-1.pdf 2. 　エクストラツリー ExtraTreesの特徴 決定木とランダムフォレストとExtraTreesを比較します。 決定木 通常、単一の決定木はめ、学習元のデータに対してオーバーフィッテングになりやすいです。通常、ランダムフォレストのほうが精度高い事が多いです。 ランダムフォレスト ランダムフォレストモデルは、複数ツリー(n_estimators)を作成し、過学習を減らす事が出来ます。 Extra Trees Extra Treesはランダムフォレストに似ています。複数のツリーを構築する所は、一緒ですが、木のノード（葉）を分割する所の特徴量(ジニ係数、エントロピー)のどちらかをランダムに選びます。 3. 　SklearnのExtraTreesのパラメーター class … Continue reading エクストラツリー（ExtraTree）の解説