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...
#AI
#반응변수
#선형회귀
#선형회귀식
#선형회귀직선
#설명변수
#예측값
#정답데이터
#종속변수
#지도학습알고리즘
#최소제곱법
#추정값
#프로젝트
#학습데이터
#머신러닝
#랜덤포레스트
#Bagging
#DecisionTree
#DeepLearning
#LinearRegression
#MachineLearning
#MSE
#RandomForest
#SSE
#SSR
#SST
#결정트리
#독립변수
#딥러닝
#회귀직선
원문링크 : AI 머신러닝 결정나무 모형 결정 트리(Decision Tree) 개념, 장점, 단점, 랜덤포레스트(Random Forest)