Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- sensibleness
- ROC-AUC Curve
- 구글클라우드플랫폼
- sbert
- QANet
- word representation
- 동적토픽모델링
- GCP
- sequential data
- word2vec
- 머신러닝
- Holdout
- Google Cloud Platform
- topic modeling
- Enriching Word Vectors with Subword Information
- dynamic topic modeling
- 감성분석
- 임베딩
- type-hint
- 토픽모델링
- 분류모델평가
- degree centrality
- Meena
- 알파베타가지치기
- hugging face
- Min-Max 알고리즘
- 허깅페이스
- semantic network
- 의미연결망
- 사회연결망분석
Archives
- Today
- Total
목록Decision tree (1)
Dev.log
랜덤포레스트(Random Forest)
이번 포스팅에서는 tree 구조의 앙상블 학습방법인 랜덤포레스트(Random Forest)에 대해 써보겠습니다. 랜덤포레스트는 기계학습의 일종으로, 분류, 회귀 분석 등 의 문제에 활용되며 훈련 과정에서 구성한 다수의 결정 트리로부터 분류 또는 평균 예측등에 주로 사용됩니다. Decision Tree(의사결정나무) 먼저, 랜덤 포레스트를 이해하기 위해서는 랜덤 포레스트를 구성하는 decision tree에 대한 사전 지식이 요구됩니다. Decision tree는 의사 결정에 필요한 경로와 결과를 나무 구조로 시각화하여 분류와 예측을 수행하는 분석방법 입니다. Decision tree의 핵심은 노드(node) 로, 각 노드가 ‘yes or no’를 선택하는 하나의 분기점이라고 볼 수 있습니다. 이 개 념은..
머신러닝과 딥러닝
2022. 2. 19. 01:19