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
![[MSA] 마이크로서비스 아키텍처 정의 및 설계 방법 - 환경설정, 서비스 등록 및 감지, 서비스 게이트웨이, 서킷 브레이크, 큐잉 시스템, CQRS와 이벤트 소싱, 폴리그랏](https://mblogthumb-phinf.pstatic.net/MjAyMjA5MjlfMTMz/MDAxNjY0NDMwNjExNTg1.fwqgj9F8zl_Wcah8naMz_3mEfMDfi44FO1VsSwiGSSkg._m-oZkltxR877zJ9eXI8etsy7TZ45LDkw9fHyKL9JxYg.PNG.nany0h/20220929%A3%DF144924%A3%DF104.png?type=w2)
