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
- 유데미큐레이션
- SQL
- NLP
- 추천시스템
- 유데미코리아
- 그래프
- AARRR
- SLASH22
- 알고리즘
- 유데미부트캠프
- 데이터도서
- AWS builders
- 스타터스
- 사이드프로젝트
- 서비스기획
- sql정리
- 특성중요도
- 임베딩
- 딥러닝
- 취업부트캠프
- 부트캠프후기
- pytorch
- 토스
- 그로스해킹
- 스타터스부트캠프
- NLU
- 취업부트캠프 5기
- 서비스기획부트캠프
- BERT
- MatchSum
Archives
- Today
- Total
목록OrdinalEncoder (1)
다시 이음
트리 기반 모델 - 2 랜덤포레스트 (Random Forests)
Random Forests 랜덤 포레스트란? 랜덤포레스트는 결정트리(Decision trees)를 기본모델로 사용하는 앙상블 방법이라 할 수 있습니다. 앙상블 방법은 한 종류의 데이터로 여러 머신러닝 학습모델(weak base learner, 기본모델)을 만들어 그 모델들의 예측결과를 다수결이나 평균을 내어 예측하는 방법을 말합니다. 이론적으로 기본모델 몇가지 조건을 충족하는 여러 종류의 모델을 사용할 수 있습니다. 결정트리들은 독립적으로 만들어지며 각각 랜덤으로 예측하는 성능보다 좋을 경우 랜덤포레스트는 결정트리보다 성능이 좋습니다. 그렇기에 데이터가 선형이든 비선형이든, 여러분들이 분류문제를 풀어야 한다면 랜덤포레스트를 먼저 적용해 보시기를 바랍니다. 앞서 배운 결정트리모델은 한 개의 트리만 사용하기..
AI 일별 공부 정리
2021. 8. 18. 23:39