nathan_H

참고 블로그 및 자료 - https://ratsgo.github.io/machine%20learning/2017/03/26/tree/ 의사결정나무(Decision Tree) · ratsgo's blog 이번 포스팅에선 한번에 하나씩의 설명변수를 사용하여 예측 가능한 규칙들의 집합을 생성하는 알고리즘인 의사결정나무(Decision Tree)에 대해 다뤄보도록 하겠습니다. 이번 글은 고려대 강필성 교수님 강의와 김성범 교수님 강의를 참고했음을 먼저 밝힙니다. 그럼 시작하겠습니다. 모델 소개 의사결정나무는 데이터를 분석하여 이들 사이에 존재하는 패턴을 예측 가능한 규칙들의 조합으로 나타내며, 그 모양이 ‘나무’와 같다고 해서 의사결정나무라 불립니다. 질문을 ratsgo.github.io 순천향대학교 정영섭 교..

다양한 방법으로 ML모델을 만들었다면 그 모델을 평가하는 방법에 대해 알아보고자 한다. 들어가기 전에 이 내용은 순천향대학교 정영섭 교수님의 수업 및 수업자료가 많이 들어가 있다는 점을 참고 바란다. 평가를 위한 데이터 분배 * Trian/ Test * Trian/Validation/ Test * k-fold cross-Validation 우선 평가에 있어 데이터는 항상 학습용 데이터, 테스트용 데이터로 나눠서서 평가를 진행한다. 그 중에서 k-fold cross- Validation에 대해 잠깐 알아볼까 한다. k-fold cross Validation. k-fold cross Validation은 위에 그림처럼 1. 훈련 데이터를 부분 집합으로 나눈다 2. 순차적으로 폴드를 테스트 세트로 하고 나머지..