Random forest2 [머신러닝] 6. 머신러닝 총정리 1. 알고리즘 간단 정리 1.1. K-NN 1.2. Decision Tree1.3. Random Forest 1.4. Linear/Logistic Regression 1.5. SVM2. 머신러닝 기법 장단점 비교3. 머신러닝 기법 코드 실험1. 알고리즘 간단 정리지금까지 알아 본 머신러닝 기법들을 간단히 정리하고, 여러가지 데이터셋들에 대해 실험해보고 결과 한번 확인해 보고 마무리 해보도록 하겠습니다.1.1. K-NN알고리즘학습 데이터들을 저장한다.예측해야 하는 데이터가 주어지면, 저장한 데이터들과의 거리를 측정한다.측정한 거리를 보고, 가장 가까운 K개의 데이터의 과반수 라벨, 또는 평균값을 결과값으로 예측한다.자세한 내용 : https://all-the-meaning.tistor.. 2024. 12. 6. [머신러닝] 3. Random Forest 1. Random Forest 1.1. Random Forest의 알고리즘2. Random Forest의 특징 2.1. 장점 2.2. 단점3. Random Forest 코드 구현 3.1. scikit-learn에서의 Random Forest 3.2. Random Forest 모델 실험 A. n_estimators B. criterion C. Pruning 1. Random ForestRandom Forest는 여러 개의 Decision Tree를 학습한 뒤, 앙상블을 통해 결과를 예측하는 머신러닝 기법입니다.따라서 더 자세히 알고 싶다면 Decision Tree를 먼저 알고 오는 것이 좋습니다. Decision Tree에 .. 2024. 11. 27. 이전 1 다음
