[파이썬 머신러닝 완벽가이드] 4장. (1) 분류와 결정 트리

01. 분류의 개요 02. 결정 트리 (1) 결정 트리의 개념 (2) 사이킷런으로 결정 트리 만들기 (3) 결정 트리의 장단점 01. 분류의 개요 우리는 2장과 3장에서 지도학습을 주로 했습니다. 지도학습은 명시적인 정답이 있는 데이터로부터 학습하여 레이블 값을 예측하는 것을 말합니다. 지도학습 중에서 가장 대표적인 유형이 바로 분류입니다. 오늘은 분류에 대해 알아보려고 하는데요. 분류는 다양한 머신러닝 알고리즘으로 구현할 수 있습니다. ex. 베이즈(Bayes) 통계와 생성 모델에 기반한 나이브 베이즈, 로지스틱 회귀, 결정 트리, 서포트 벡터 머신, 최소 근접 알고리즘, 신경망, 앙상블 등 4장에서는 주로 앙상블 방법을 다루는데요. 앙상블은 일반적으로 배깅(Bagging)과 부스팅(Boosting) 방식으로 나뉩니다. 랜덤 포레스트(Random Forest)가 가장 대표적인 배깅 방식이고, 그래디언트 부스팅(Gradient Boosting)이 부스팅의 대표 방식입니다. 그래디언트...

원문링크 : [파이썬 머신러닝 완벽가이드] 4장. (1) 분류와 결정 트리