Notice
Recent Posts
Recent Comments
Link
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 | 29 | 30 | 31 |
Tags
- Adaboost
- 경사하강법
- post pruning
- 선형모형
- AdaBoostRegressor
- 실제데이터활용
- 회귀분석
- 사전 가지치기
- KNearestNeighbors
- 체인지업후기
- gradientdescent
- 캘리포니아주택가격예측
- AdaBoostClassifier
- 아다부스트
- MultipleLinearRegression
- 의사결정나무
- 부스팅
- C4.5
- LinearRegression
- 최소제곱법
- LeastSquare
- 사후 가지치기
- cost complexity pruning
- 정보이득
- boosting
- 선형회귀
- 중선형회귀
- pre pruning
- 부스팅기법
- 군집화기법
Archives
- Today
- Total
목록정보이득 (1)
데이터 분석을 향한 발자취 남기기

오늘은 대표적인 트리 모형인 Decision Tree에 대해서 공부하고자 한다. 먼저 Decision Tree에 대한 구조를 살펴보고, Decision Tree를 구성하는데 사용되는 알고리즘인 ID3, C4.5, CART에 대해서 알아보고자 한다. 0. Decision Tree란?1. ID32. C4.53. CART0. Decision Tree란?의사결정 나무(Decision Tree)는 데이터에 있는 규칙을 학습을 통해 자동으로 찾아내 트리 기반 분류 규칙을 생성하는 모델이다. 생성된 모델의 모양이 나무와 같다고 하여 결정 트리라 불린다. - 규칙 노드: 규칙 조건(분류 기준)- 리프 노드: 분류 및 예측값 새로운 데이터가 들어오면 루트 노드를 기준으로 규칙 노드를 거치면서 최종적으로 위치한 리프 노..
손으로 직접 해보는 모델정리/단일 모델
2023. 5. 25. 10:53