AI 머신러닝 결정나무 모형 결정 트리(Decision Tree) 개념, 장점, 단점, 랜덤포레스트(Random Forest)

안녕하세요. SW 개발자 쪼맹 입니다. 오늘도 제가 알고 있는 소박한 지식을 공유 해보고자 합니다. 이번 머신러닝 알고리즘은 결정 나무 모형을 살펴보고자 합니다. 많은 인기가 있는 알고리즘 모형 입니다. 제 생각에는 이해하기 쉽고 직관적이라는 장점 덕분 인 것 같습니다. 결정나무 모형의 결정 트리가 있습니다. 분류 문제와 회귀 문제에 사용될 수 있습니다. 나무 구조로 의사 결정 규칙들을 정해서 분류하고,값을 예측 하는 방법 입니다. 조금 더 상세하게 설명해보면 정확도를 높게 하는 방향으로 나무 구조 각 노드에 위치한 의사 결정 규칙들을 계속 변경하며 더욱 정확하게 분류하고, 값을 예측하는 방식 입니다. 나무 구조를 살펴보면, 루트 (root) 노드 (최상위) / 내부 (internal) 노드 / 리프 (leaf) 노드로 이루어 집니다. 루트와 내부 노드가 결정 기준/조건으로 이루어졌다고 생각하면 좋습니다. 루트 노드 쪽으로 갈 수록 분류 및 예측에 큰 영향을 주는 기준과 조건이 위치...

원문링크 : AI 머신러닝 결정나무 모형 결정 트리(Decision Tree) 개념, 장점, 단점, 랜덤포레스트(Random Forest)