Day to_day

❗본 포스팅은 권철민 선생님의 '파이썬 머신러닝 완벽가이드' 강의와 '파이썬 라이브러리를 활용한 머신러닝' 서적을 기반으로 개인적인 정리 목적 하에 재구성하여 작성된 글입니다. 포스팅 개요 지도 학습에서 많은 전처리 없이 쉽게 다뤄볼 수 있는 모델 결정 트리(Decision Tree, 의사결정트리, 의사결정나무라고도 함)에 대해서 알아보고, 개념과 사용 예제, 트리 모델의 장단점까지 정리해보고자 한다. 결정 트리 (Decision Tree) 결정 트리의 원리는 쉽게 말하면 '스무고개' 놀이와 같이 예/아니오 질문을 이어가면서 학습하는 방식이다. 데이터를 하나의 기준에 대해 해당하는 지, 해당하지 않는 지를 분류하여 아래와 같이 트리처럼 데이터를 나누게 된다. 위의 그림은 결정 트리를 도식화 한 것이다. ..

❗들어가기 전에 이 포스팅은 "파이썬 머신러닝" 서적을 읽고 개인적인 정리를 목적으로 작성했음을 알립니다. 머신러닝의 세가지 유형 지도학습 (Supervised Learning) 비지도학습 (Unsupervised Learning) 강화학습 (Reinforcement Learning) 지도학습 레이블이 있는 훈련 데이터로 모델을 학습하여 경험하지 못한 데이터나 미래의 데이터에 관한 예측을 만들어 내는 것이다. 지도학습에는 어떤 것을 예측할 지에 따라 두 가지로 나뉜다. 분류 모델 (classification) 회귀 분석 (regression) 1. 분류 모델 지도 학습의 영역으로 과거 관측치에 기반하여 새로운 인스턴스들의 분류 레이블을 예측하는 것을 목표로 한다. 이러한 분류 레이블은 이산적이고 순위가 ..