[광주인공지능] 머신러닝 - Decision Tree

지난 시간 KNN모델 아이리스 실습까지 진행해봤다. KNN 모델의 특성을 이해하고, 아이리스 실습까지 진행해보니 이해가 쏙쏙되는 수업이었던 것 같다. 이번 시간에는 Decision Tree에 대해서 포스팅해보고자 한다. 의사결정나무 질문을 하면서 학습을 한다는 것이 가장 큰 특징! 결정트리가 많이 모이면 '앙상블'이 된다. 해당 데이터는 스마트인재개발원에서 처음 수업 받았던 '케글'수업에서 했던 타이타닉 생존률과 관련된 것인데, 여자이면서 1등석에 있지 않은 사람들이 가장 생존률이 높았음을 의미하는 것! 우리는 지금부터 질문 (파란박스)를 Node라고 부를 건데, 가장 첫 질문은 Root Node라고 불리고, 더 이상 뻗어나가지 않은 마지막을 Leaf Node라고 한다. 즉, 그림에서 was man? 은 Root Node, had family? 에서 yes, no 결과값들이 Leaf Node라고 불린다. 쭉~ 나누다 보면 어떤 질문이던지 간에 Yes/No로 더 이상 나눌 수 없는 것...

원문링크 : [광주인공지능] 머신러닝 - Decision Tree