의사결정나무의 문제점을 ctree와 다른 방식으로 보완하기 위하여 개발된 방법 주어진 자료로부터 예측 모형을 여러 개 만들고, 이것을 결합하여 최종적인 예측 모형을 만드는 방법 배깅(Breiman, 1996) -> 부스팅 개발 -> 랜덤포레스트(Random Forest) 앙상블에서 사용되는 기법: 배깅, 부스팅, 랜덤포레스트 배깅(Bagging) 불안정한 예측모형에서 불안전성을 제거함으로써 예측력을 향상 Where 불안정한 예측모형: 데이터의 작은 변화에도 예측 모형이 크게 바뀌는 경우 Bootstrap AGGregatING의 준말 부트스트랩자료: 주어진 자료로부터 동일한 크기의 표본을 랜덤 복원 추출로 뽑은 것 주어진 자료에 대하여 여러 개의 부트스트랩(bootstrap)자료를 만들고, 각 부트스트랩 자료에 예측 모형을 만든 다음, 이것을 결합하여 최종 예측 모형을 만드는 방법 install.packages("party") install.packages("caret") l...
#
funcValue
#
부트스트랩
#
배깅
#
랜덤포레스트
#
varImpPlot
#
Rstudio
#
randomForest
#
R
#
plot
#
ntree
#
margin
#
importance
#
앙상블
원문 링크 : R : 앙상블(Ensemble)
