/* General body styling for block editor compatibility and readability */
body {
font-family: ‘Vazirmatn’, ‘Arial’, sans-serif; /* Example font */
line-height: 1.7;
color: #333;
margin: 0;
padding: 20px;
background-color: #ffffff;
}
a {
color: #4a90e2;
text-decoration: none;
}
a:hover {
text-decoration: underline;
}

/* Heading Styles */
/* H1 will have its unique styling applied directly */
h2 {
font-size: 1.8em;
font-weight: bold;
color: #4a90e2; /* Accent blue */
border-bottom: 2px solid #e0e0e0;
padding-bottom: 10px;
margin-top: 40px;
margin-bottom: 25px;
position: relative;
}
h2::before {
content: “✨”; /* Embellishment */
position: absolute;
right: -15px; /* Adjust position */
top: -5px;
font-size: 0.8em;
color: #f5a623;
}
h3 {
font-size: 1.4em;
font-weight: bold;
color: #333;
margin-top: 30px;
margin-bottom: 15px;
padding-right: 10px;
border-right: 4px solid #4a90e2; /* Accent blue border */
}

/* Paragraphs and Lists */
p {
margin-bottom: 1em;
line-height: 1.8;
text-align: justify;
}
ul, ol {
margin-bottom: 1em;
padding-right: 20px;
}
li {
margin-bottom: 0.5em;
line-height: 1.6;
}

/* Infographic Box */
.infographic-box {
background-color: #f0f8ff; /* Very light blue */
border: 2px solid #a8d5f7; /* Slightly darker blue border */
border-radius: 12px;
padding: 25px;
margin: 35px 0;
box-shadow: 0 6px 15px rgba(0,0,0,0.08);
line-height: 1.6;
font-size: 1.05em;
text-align: center;
overflow-x: auto; /* For responsiveness on small screens */
}
.infographic-box h3 {
color: #2c7bb1; /* Darker blue for infographic heading */
margin-top: 0;
margin-bottom: 20px;
border-right: none;
text-align: center;
}
.infographic-content {
display: flex;
flex-wrap: wrap; /* Allows items to wrap on small screens */
justify-content: center;
gap: 20px;
}
.infographic-item {
flex: 1 1 300px; /* Allows flexibility, minimum width 300px */
background-color: #ffffff;
border: 1px solid #d0e0f0;
border-radius: 8px;
padding: 15px;
box-shadow: 0 2px 5px rgba(0,0,0,0.05);
text-align: right;
min-width: 250px;
max-width: 400px;
box-sizing: border-box; /* Include padding/border in width */
}
.infographic-item strong {
color: #4a90e2;
display: block;
margin-bottom: 8px;
font-size: 1.1em;
}
.infographic-arrow {
font-size: 2em;
color: #666;
align-self: center;
margin: 0 10px;
display: none; /* Hide arrow on small screens by default */
}
@media (min-width: 768px) {
.infographic-arrow {
display: block; /* Show arrow on larger screens */
}
.infographic-content {
flex-wrap: nowrap; /* Prevent wrapping on larger screens */
}
}

/* Code Blocks */
pre {
background-color: #2d2d2d;
color: #f8f8f2;
padding: 18px;
border-radius: 8px;
overflow-x: auto; /* Horizontal scroll for long lines */
font-family: ‘Fira Code’, ‘Cascadia Code’, ‘Consolas’, monospace; /* Example monospaced font */
font-size: 0.95em;
line-height: 1.5;
direction: ltr; /* Ensure code displays left-to-right */
text-align: left;
margin: 25px 0;
box-shadow: 0 4px 10px rgba(0,0,0,0.1);
}
code {
font-family: ‘Fira Code’, ‘Cascadia Code’, ‘Consolas’, monospace;
background-color: #eee;
padding: 2px 5px;
border-radius: 4px;
font-size: 0.9em;
color: #c7254e; /* For inline code */
}

/* Call to Action Box */
.cta-box {
background-color: #e6f7ff; /* Light blue */
border: 1px solid #91d5ff; /* Slightly darker blue */
border-radius: 10px;
padding: 20px 25px;
margin: 30px 0;
text-align: center;
font-size: 1.1em;
box-shadow: 0 4px 8px rgba(0,0,0,0.05);
}
.cta-box .cta-button {
display: inline-block;
background-color: #4a90e2; /* Main accent blue */
color: white;
padding: 12px 25px;
border-radius: 8px;
text-decoration: none;
font-weight: bold;
margin-top: 15px;
transition: background-color 0.3s ease;
}
.cta-box .cta-button:hover {
background-color: #357bd8;
text-decoration: none;
}

/* Table Styling */
table {
width: 100%;
border-collapse: collapse;
margin: 30px 0;
background-color: #ffffff;
box-shadow: 0 2px 10px rgba(0,0,0,0.08);
border-radius: 8px;
overflow: hidden; /* Ensures rounded corners apply to content */
}
th, td {
padding: 15px 20px;
text-align: right;
border-bottom: 1px solid #f0f0f0;
}
th {
background-color: #f8f8fc; /* Light gray background for headers */
font-weight: bold;
color: #333;
font-size: 1.1em;
border-bottom: 2px solid #e0e0e0;
}
tr:nth-child(even) {
background-color: #fdfdff; /* Slightly different background for even rows */
}
tr:hover {
background-color: #f0f5ff; /* Hover effect */
}
td:first-child {
font-weight: 500;
color: #555;
}

/* Troubleshooting Section */
.troubleshooting-section {
background-color: #fff9f0; /* Light orange/yellow background */
border: 1px solid #ffd790;
border-radius: 10px;
padding: 25px;
margin: 40px 0;
box-shadow: 0 5px 15px rgba(0,0,0,0.07);
}
.troubleshooting-section h2 {
color: #e67e22; /* Orange color */
border-bottom-color: #ffd790;
}
.troubleshooting-item {
margin-bottom: 20px;
}
.troubleshooting-item h3 {
color: #d35400; /* Darker orange */
border-right-color: #e67e22;
}

/* Responsive adjustments */
@media (max-width: 768px) {
h1 { font-size: 2em !important; padding: 15px !important; }
h2 { font-size: 1.6em !important; margin-top: 30px !important; }
h3 { font-size: 1.2em !important; margin-top: 25px !important; }
.infographic-box, .cta-box, .troubleshooting-section {
padding: 15px;
margin: 25px 0;
}
table, pre {
font-size: 0.9em;
}
th, td {
padding: 10px 15px;
}
}
@media (max-width: 480px) {
h1 { font-size: 1.7em !important; padding: 10px !important; }
h2 { font-size: 1.4em !important; margin-top: 25px !important; }
h3 { font-size: 1.1em !important; margin-top: 20px !important; }
body { padding: 15px; }
pre { font-size: 0.85em; padding: 12px; }
th, td { padding: 8px 10px; }
}

آموزش Random Forest با Scikit-learn و مثال: راهنمای کامل برنامه‌نویسان

سلام رفیق برنامه‌نویس! اگه توی دنیای دیتا ساینس و ماشین لرنینگ فعالیت داری، حتماً اسم Random Forest یا جنگل تصادفی به گوشت خورده. این الگوریتم، مثل یه تیم از متخصص‌هاییه که هر کدومشون یه تصمیم گیری مستقل می‌گیرن و در نهایت، با جمع‌بندی نظراتشون، به بهترین و دقیق‌ترین نتیجه می‌رسن. توی این مقاله می‌خوایم از سیر تا پیاز این الگوریتم قدرتمند رو با هم بررسی کنیم و یاد بگیریم چطور با استفاده از کتابخونه Scikit-learn توی پایتون، اونو پیاده‌سازی کنیم. پس کمربندت رو ببند که قراره یه سفر جذاب داشته باشیم!

Random Forest دقیقاً چیه و چطور کار می‌کنه؟

Random Forest یه الگوریتم یادگیریی جمعی (Ensemble Learning) از نوع Bagging (مخفف Bootstrap Aggregating) محسوب میشه. ایده اصلیش اینه که به جای اینکه فقط روی یه مدل تصمیم‌گیری (مثلاً یه درخت تصمیم تنها) تمرکز کنیم، بیایم و کلی درخت تصمیم مختلف بسازیم و بعد خروجی همه اون‌ها رو ترکیب کنیم تا به یه پیش‌بینی قوی‌تر و پایدارتر برسیم.

مراحل ساخت یک جنگل تصادفی:

1. نمونه‌برداری بوت‌استرپ (Bootstrap Sampling): از مجموعه داده اصلی، چندین زیرمجموعه با جایگزینی (یعنی ممکنه یه داده چند بار تو یه زیرمجموعه باشه) ایجاد می‌کنیم. هر کدوم از این زیرمجموعه‌ها قراره برای آموزش یه درخت تصمیم استفاده بشن.
2. انتخاب تصادفی ویژگی‌ها (Feature Randomness): در هر مرحله از ساخت هر درخت تصمیم (یعنی موقع انتخاب بهترین ویژگی برای تقسیم گره‌ها)، به جای اینکه بین همه ویژگی‌ها بگردیم، فقط یه زیرمجموعه تصادفی از ویژگی‌ها رو انتخاب می‌کنیم. این کار باعث میشه درخت‌ها متنوع‌تر بشن و همپوشانی کمتری با هم داشته باشن.
3. آموزش درخت‌های تصمیم: حالا هر کدوم از اون زیرمجموعه‌های داده رو با اون زیرمجموعه تصادفی از ویژگی‌ها، برای آموزش یه درخت تصمیم کامل (معمولاً بدون هرس) استفاده می‌کنیم.
4. تجمیع پیش‌بینی‌ها (Aggregation):
   • برای مسائل طبقه‌بندی (Classification): رای اکثریت رو می‌گیریم. یعنی هر کلاسی که بیشترین درخت‌ها اونو پیش‌بینی کردن، میشه خروجی نهایی.
   • برای مسائل رگرسیون (Regression): میانگین پیش‌بینی‌های همه درخت‌ها رو حساب می‌کنیم.

این “تصادفی” بودن هم در انتخاب داده‌ها و هم در انتخاب ویژگی‌ها، باعث میشه درخت‌ها کمتر به هم وابسته باشن و در نتیجه، کل مدل در برابر اورفیتینگ (Overfitting) مقاوم‌تر عمل کنه. برای جزییات بیشتر در مورد مبانی درخت‌های تصمیم می‌تونی سری به منابع تخصصی بزنی.

چرا Random Forest اینقدر محبوبه؟ مزایاش چیه؟

Random Forest مزایای زیادی داره که اونو به یکی از انتخاب‌های محبوب در بین الگوریتم‌های یادگیری ماشین تبدیل کرده:

• دقت بالا (High Accuracy): به دلیل ماهیت جمعی و تجمیع نتایج، معمولاً دقت خیلی بالاتری نسبت به یک درخت تصمیم تنها داره.
• مقاومت در برابر اورفیتینگ (Resistant to Overfitting): تصادفی بودن در انتخاب داده‌ها و ویژگی‌ها کمک می‌کنه تا مدل بیش از حد به داده‌های آموزشی وابسته نشه و در برابر داده‌های جدید هم عملکرد خوبی داشته باشه.
• قابلیت کار با داده‌های مختلف: هم برای مسائل طبقه‌بندی و هم برای رگرسیون قابل استفاده است. همچنین می‌تونه با داده‌های عددی و categorical به خوبی کنار بیاد.
• مدیریت ویژگی‌های گمشده (Missing Values): به صورت ذاتی می‌تونه با ویژگی‌های گمشده کنار بیاد یا حداقل کمتر تحت تاثیرشون قرار بگیره.
• شناسایی اهمیت ویژگی‌ها (Feature Importance): به راحتی میشه فهمید که کدوم ویژگی‌ها بیشترین تاثیر رو در پیش‌بینی نهایی مدل داشتن. این قابلیت برای فهم بهتر داده‌ها و کاهش ابعاد خیلی مفیده.

شروع کار با Scikit-learn: ابزار قدرتمند ما

Scikit-learn (یا sklearn) یه کتابخونه پایتونیه که برای یادگیری ماشین ساخته شده و ابزارهای متنوعی برای طبقه‌بندی، رگرسیون، خوشه‌بندی، کاهش ابعاد و پیش‌پردازش داده‌ها در اختیارمون میذاره. کار کردن باهاش فوق‌العاده ساده و سرراسته و کدهاش تمیز و قابل فهم هستن. اگه هنوز نصبش نکردی، با یه دستور ساده می‌تونی انجامش بدی:

pip install scikit-learn pandas numpy matplotlib seaborn

توی این آموزش، ما از pandas برای مدیریت داده‌ها، numpy برای محاسبات عددی، و matplotlib و seaborn برای بصری‌سازی نتایج استفاده می‌کنیم. برای مشاهده کدهای آماده و اسنیپت‌های پایتون بیشتر، می‌تونی به بخش مربوطه در سایت ما سر بزنی.

مثال عملی: پیاده‌سازی Random Forest برای طبقه‌بندی

خب، بریم سراغ بخش هیجان‌انگیز قضیه: کدنویسی! می‌خوایم با یه مثال عملی و گام به گام، Random Forest رو پیاده‌سازی کنیم. برای این کار، از مجموعه داده معروف Iris استفاده می‌کنیم که برای مسائل طبقه‌بندی خیلی رایجه.

گام 1: وارد کردن کتابخانه‌ها و بارگذاری داده‌ها

اول از همه، کتابخانه‌های مورد نیاز رو ایمپورت می‌کنیم و مجموعه داده Iris رو از خود Scikit-learn بارگذاری می‌کنیم:

import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report, confusion_matrix
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# بارگذاری مجموعه داده Iris
iris = load_iris()
X = pd.DataFrame(iris.data, columns=iris.feature_names)
y = pd.Series(iris.target)

print("نمایشی از 5 ردیف اول داده‌های ویژگی (X):n", X.head())
print("nنمایشی از 5 ردیف اول داده‌های هدف (y):n", y.head())
print("nنام کلاس‌ها:", iris.target_names)

گام 2: تقسیم داده‌ها به مجموعه‌های آموزشی و تستی

برای اینکه عملکرد مدل رو به درستی ارزیابی کنیم، باید داده‌ها رو به دو بخش آموزشی (برای آموزش مدل) و تستی (برای سنجش عملکرد مدل روی داده‌های جدید) تقسیم کنیم. این کار از اورفیتینگ جلوگیری می‌کنه.

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

print("nتعداد نمونه‌های آموزشی:", len(X_train))
print("تعداد نمونه‌های تستی:", len(X_test))

گام 3: تعریف و آموزش مدل Random Forest

حالا نوبت به تعریف و آموزش مدل Random Forest می‌رسه. توی Scikit-learn، این کار با استفاده از کلاس RandomForestClassifier انجام میشه. پارامترهای مهمی مثل n_estimators (تعداد درخت‌ها) و random_state (برای تکرارپذیری نتایج) رو اینجا تنظیم می‌کنیم.

# تعریف مدل Random Forest
# n_estimators: تعداد درختان در جنگل
# random_state: برای اطمینان از نتایج تکرارپذیر
model = RandomForestClassifier(n_estimators=100, random_state=42)

# آموزش مدل با استفاده از داده‌های آموزشی
model.fit(X_train, y_train)

print("nمدل Random Forest با موفقیت آموزش دید.")

گام 4: پیش‌بینی و ارزیابی عملکرد مدل

بعد از آموزش مدل، زمان پیش‌بینی روی داده‌های تستی و ارزیابی عملکردش فرا می‌رسه. از معیارهایی مثل دقت (Accuracy)، گزارش طبقه‌بندی (Classification Report) و ماتریس درهم‌ریختگی (Confusion Matrix) برای بررسیی استفاده می‌کنیم.

# پیش‌بینی روی داده‌های تستی
y_pred = model.predict(X_test)

# ارزیابی عملکرد مدل
accuracy = accuracy_score(y_test, y_pred)
print(f"nدقت (Accuracy) مدل: {accuracy:.2f}")

print("nگزارش طبقه‌بندی (Classification Report):")
print(classification_report(y_test, y_pred, target_names=iris.target_names))

print("nماتریس درهم‌ریختگی (Confusion Matrix):")
cm = confusion_matrix(y_test, y_pred)
print(cm)

# بصری‌سازی ماتریس درهم‌ریختگی
plt.figure(figsize=(8, 6))
sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', xticklabels=iris.target_names, yticklabels=iris.target_names)
plt.xlabel('پیش‌بینی شده')
plt.ylabel('واقعی')
plt.title('ماتریس درهم‌ریختگی Random Forest')
plt.show()

گام 5: شناسایی اهمیت ویژگی‌ها (Feature Importance)

یکی از قابلیت‌های خوب Random Forest اینه که بهمون میگه کدوم ویژگی‌ها توی تصمیم‌گیری مدل مهم‌تر بودن. این اطلاعات می‌تونه برای انتخاب ویژگی‌ها و فهم بهتر داده‌ها خیلی مفید باشه.

# استخراج اهمیت ویژگی‌ها
feature_importances = model.feature_importances_
features = X.columns
importance_df = pd.DataFrame({'Feature': features, 'Importance': feature_importances})
importance_df = importance_df.sort_values(by='Importance', ascending=False)

print("nاهمیت ویژگی‌ها:")
print(importance_df)

# بصری‌سازی اهمیت ویژگی‌ها
plt.figure(figsize=(10, 6))
sns.barplot(x='Importance', y='Feature', data=importance_df, palette='viridis')
plt.title('اهمیت ویژگی‌ها در Random Forest')
plt.xlabel('میزان اهمیت')
plt.ylabel('ویژگی')
plt.show()

تنظیم پارامترهای مدل (Hyperparameter Tuning)

پارامترهایی مثل n_estimators (تعداد درخت‌ها) و max_depth (حداکثر عمق هر درخت) تاثیر زیادی روی عملکرد نهایی مدل دارن. برای اینکه بهترین عملکرد رو بگیری، باید این پارامترها رو بهینه کنی. روش‌های مختلفی مثل Grid Search یا Randomized Search برای این کار وجود داره که توی Scikit-learn پیاده‌سازی شدن.

جدول مقایسه‌ای: Random Forest در برابر Decision Tree

برای اینکه بهتر تفاوت Random Forest رو با جدش، یعنی Decision Tree درک کنی، این جدول مقایسه‌ای رو ببین:

عیب‌یابی سریع (Troubleshooting) مشکلات رایج Random Forest

نتیجه‌گیری

تا اینجا با Random Forest، یکی از قدرتمندترین الگوریتم‌های یادگیری جمعی آشنا شدیم و دیدیم چطور با استفاده از Scikit-learn به راحتی میشه اونو پیاده‌سازی کرد. از مفاهیم تئوری گرفته تا کدنویسی گام به گام و حتی عیب‌یابی مشکلات رایج رو با هم اموزش دیدیم. یادت باشه، کلید تسلط روی این الگوریتم‌ها، تمرین و آزمایش با مجموعه‌داده‌های مختلفه. پس دست به کار شو و دانش جدیدت رو توی پروژه‌هات به کار بگیر.

اگه سوالی داشتی یا نیاز به راهنمایی بیشتر پیدا کردی، همیشه می‌تونی با ما تماس بگیری یا در بخش کامنت‌ها مطرح کنی. ما اینجا هستیم تا ازت حمایت کنیم. برای تماس اضطراری با شماره 09202232789 می‌تونی صحبت کنی.

موفق باشی برنامه‌نویس!