Queremos prever se um aluno vai ser aprovado ou reprovado olhando só duas coisas: quantas horas ele estuda e quantas horas dorme. Em vez de confiar em uma única árvore de decisão, a floresta treina várias árvores um pouco diferentes e deixa que elas votem.
Cada árvore recebe uma amostra sorteada com reposição: alguns alunos aparecem repetidos, outros ficam de fora.
A cada divisão, a árvore só pode escolher entre algumas variáveis. Isso deixa as árvores diferentes entre si.
Ela faz perguntas como “estuda menos de 4 h?” até separar bem os grupos ou atingir a profundidade máxima.
Para um aluno novo, cada árvore dá seu palpite. A resposta da floresta é a da maioria.
Quantas perguntas seguidas cada árvore pode fazer.
Medido com os alunos que cada árvore não viu no sorteio (amostra “fora da sacola”).
Quanto cada variável reduziu a impureza (Gini) nas divisões de todas as árvores, somado e dividido pelo total. Mostra no que o modelo se apoia — é associação dentro do modelo, não efeito causal.
Cada quadrinho é uma árvore. Os pontos maiores são alunos sorteados mais de uma vez; os círculos vazios ficaram de fora do sorteio dela. Clique numa árvore para ver suas perguntas.
O caminho destacado mostra as perguntas que essa árvore faz sobre o aluno novo até chegar ao seu voto.