머신러닝 기초 11 - 의사결정 나무(Decision Tree) 실습

머신러닝 기초 11 - 의사결정 나무 (Decision Tree)의사결정 나무(Decision Tree)의 실습입니다.classification과 regression 둘다 진행 예정이며, 중요한 부분은 classification에서 엔트로피(entropy), 지니계수(gini) 사용하는 것과 regression에서 mse를 사용하는것그리고 과적합을 줄이기 위한 프루닝(pruning) 사용방법정도가 되겠습니다.Step 1 의사결정나무 분류문제 (Decision Classification Tree) 실습 데이터 가져오기중요부분1 load_iris이번 분류문제도 가장 많이 쓰이는 iris데이터로 하겠습니다.종속변수가 setosa, versicolor, virginica 3개의 class로 범주형입니다.Step 2 gini 계수, 엔트로피(entropy)로 의사..........

원문링크 : 머신러닝 기초 11 - 의사결정 나무(Decision Tree) 실습