Decision Tree1 [기계학습]Decision Tree Decision Tree 목적 서로 다른 레이블 값을 가지는 데이터들을 최대한 다른 Node에 배치하는 의사 결정 규칙(Decision Rule)으로 구성된 Tree를 학습하는 것 학습 알고리즘 ID3(Iterative Dichotomiser 3): 범주형 특성값에 대한 트리 생성C4.5: 수치형 특성값에 대한 트리 생C5.0: 개량된 C4.5 - 메모리 최적화, 모델 복잡도 완화 (하지만, C4.5가 조금 더 정확함)CART(Classification and Regression Tree): 분류뿐 아니라 회귀도 가능한 트리로, Scikit-learn에서 활용 훈련: 노드의 구성기준이 되는 특성값과 임계치불순도 측정치(Impurity Measure)샘플의 총 개수(Samples)클래스 별 샘플의 개(Va.. 이전 1 다음 728x90