결정나무 회귀1 [기계학습] 의사결정나무 | Decision Tree 🔎 의사결정나무 - 학습 데이터를 분석하여 데이터에 내재되어 있는 패턴을 통해 새로운 데이터를 예측 및 분류하는 모델 - 분리 기준과 정지 규칙을 지정해서 의사결정나무를 생성 장점 1️⃣ 이해하기 쉽고 적용하기 쉽다 2️⃣ 의사결정과정에 대한 설명 가능 ✔️ 의료부분이나 금융부분에서 이유를 알려줄 수 있어 응용이 가능함 3️⃣ 중요한 변수 선택에 유용 ✔️ 상단에 사용된 변수가 중요한 변수 ( 위의 사진으로는 날씨 ) 4️⃣ 데이터의 통계적 가정이 필요 없음 ✔️ ex ) LDA : 데이터 정규성이라는 가정이 필요했음 단점 1️⃣ 많은 데이터 필요 2️⃣ 트리를 만드는데 상대적으로 시간이 많이 소요 3️⃣ 데이터 변화에 민감 ✔️ 학습 데이터 ↔️ 테스트 데이터의 도메인(영역)이 유사해야함 4️⃣ 선형 .. 2020. 10. 30. 이전 1 다음
