Decision Tree 썸네일형 리스트형 머신러닝 랜덤 포레스트 알고리즘 간단 정리 머신러닝 랜덤 포레스트 알고리즘 간단 정리 안녕하세요. 로스윗의 코딩캠프입니다. 오늘은 머신러닝(Machine learning)모델중 대표적인 앙상블 모델인 랜덤 포레스트(Random Forest)에 대한 내용을 공유드리겠습니다. 현업에서도 많이 쓰이는 모델이니 열심히 공부해봅시다~! - 머신 러닝 앙상블 모델 랜덤 포레스트(Random Forest)란? --> Decision Tree가 모여서 더 좋은 결과를 내는 모델. Random Forest는 CART 모델이 가지는 단점을 극복하기 위해서 제시된 모델입니다. 즉, Random Forest는 DT(decision tree, 결정트리)하나가 training data에 너무 쉽게 overfit(과적합)되고, training data의 변화에 민감한 단점.. 더보기 Decision Tree(결정 트리)가 왜 머신러닝 대표 알고리즘일까? Decision Tree(결정 트리)가 왜 머신러닝 대표 알고리즘일까? 안녕하세요. 로스윗의 코딩캠프입니다. 오늘은 머신러닝 모델 중 Decision Tree에 대한 내용을 공유드리고자 합니다. 이후 모델인 Random Forest의 기본이 되는 모델이니열심히 배워봅시다~! - Decision Tree란? --> 조건에 따라 데이터를 분류하는 모델 Decision Tree는 대표적인 non-parametric모델입니다. 파라미터 w와 b가 존재하지 않지 때문이죠. 또한 Decision Tree는 대표적인 white-box 모델입니다. 모델이 훈련되는 과정을 명확하게 알 수 있기 때문입니다. 우리가 공부하는 Decision Tree모델은 CART입니다 (Classification And Regression.. 더보기 이전 1 다음
