일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- 결정트리
- 강화학습
- 지도학습
- 웹서비스 기획
- 데이터 분석
- CASE WHEN
- 비지도학습
- sorted
- ifnull
- five lines challenge
- nvl2
- 오차 행렬
- Batch Normalization
- LAG
- 평가 지표
- DecisionTree
- recall
- NULLIF
- 빠르게 실패하기
- NVL
- layer normalization
- 데이터 전처리
- 데이터 프로젝트
- 감정은 습관이다
- beautifulsoup
- 정밀도
- 재현율
- SQL
- 백엔드
- Normalization
Archives
- Today
- Total
목록DecisionTree (1)
Day to_day
[지도 학습] 결정 트리(Decision Tree)의 원리와 유의점 (하이퍼 파라미터 이해, Feature importance)
❗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. ..
Machine Learning
2023. 3. 2. 01:25