Bosque profundo

El bosque profundo (calco del inglés deep forest, también llamado Multi-Grained Cascade Forest o gcForest) es, en el aprendizaje automático profundo, la alternativa más conocida a las redes neuronales artificiales profundas.

En lugar de usar capas de neuronas que se activan con funciones matemáticas (como ReLU o Sigmoide), el bosque profundo apila capas de bosques aleatorios (random forests) y árboles de decisión avanzados.

Funcionamiento

1. Estructura en cascada: Los datos entran a la primera capa, que está formada por varios Random Forests. Cada bosque da una predicción (una distribución de probabilidad).
2. Procesamiento capa por capa: Las predicciones de la primera capa se combinan con los datos originales y se pasan a la segunda capa (que contiene otra tanda de bosques).
3. Aprendizaje de representaciones: Igual que una red neuronal profunda aprende rasgos abstractos en cada capa (bordes $\rightarrow$ formas $\rightarrow$ rostros), el Bosque Profundo refina la información procesamiento tras procesamiento.
4. Control automático del tamaño: A diferencia de las redes neuronales, donde el programador debe definir cuántas capas quiere a ojo, el Deep Forest añade capas automáticamente y se detiene cuando el rendimiento deja de mejorar en el conjunto de validación.