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
- 11049
- gridsearch
- Kotlin
- min-max
- 멀티 프로그래밍
- 디자인 패턴 #싱글톤
- Mutual exclusion
- 결정트리
- 머신러닝 #ml #기본기
- 경쟁 조건
- Mutex lock
- 지니불순도
- 상호 배제
- db
- 다항회귀
- 머신러닝 #ml #선형대수학 #기본기
- bootstrapping
- Java
- 코틀린
- featurescaling
- cross_val_score
- 에다 부스트
- 머신러닝 #ml #미분 #기본기
- 속성중요도
- ML
- featureimportances
- jdk #javac #jre #java standard library #javadoc #jar #java
- JetBrains
- 운영체제
- ml
Archives
- Today
- Total
목록bootstrapping (1)
코딩하는 오리

01. 결정 트리와 앙상블결정 트리의 큰 단점 The Elements of Statistical Learning 책에서'결정 트리는 이상적인 머신 러닝 모델이 되기 힘든 한 가지 특징을 갖는다. 바로 부정확성이다.'성능이 안좋다.. 하지만 결정 트리를 응용하면 성능이 좋은 다른 모델을 만들어낼 수 있다 ! 앙상블(ensemble) : 여러 독립적인 객체들이 만들어내는 조화로운 단체 하나의 모델을 쓰는 대신, 수많은 모델들을 사용해 종합적인 판단을 하는 것수많은 모델들을 만들고, 이 모델들의 예측을 합쳐서 종합적인 예측을 하는 기법 모델을 100개... 만든다 -> 각 모델의 결과를 종합해 최종 결과를 예측한다. 02. 랜덤 포레스트 1: Bagging랜덤 포레스트 : 트리 모델들을 임의로(random)..
AI/ML
2024. 7. 31. 00:02