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
- 교차타당성
- 강화학습 #추천서적 #강화학습인액션
- 미국 선거데이터
- ggplot()
- R 연습문제
- Bias-Variance Tradeoff
- 생존분석
- dplyr
- geom_errorbar
- 생존그래프
- 카플란마이어
- 확률실험
- ggplot2
- R
- R문법
- ggsurvplot
- R mutate
- 주식데이터시각화
- R 결측치
- R dplyr
- R filter
- 의사결정나무
- 콕스비례모형
- R select
- 이산형 확률분포
- ISLR
- 데이터 핸들링
- CrossValidation
- 데이터핸들링
- R ggplot2
Archives
- Today
- Total
목록2020/04 (1)
Must Learning With Statistics
의사결정나무 1 [CART]
1. CART (Classification and Regression Tree) 의사결정나무는 정말 많은 분야에서 활용이 됩니다. 최근에는 의사결정나무가 아닌 다른 알고리즘들을 많이 활용한다 해도, 지금 당장 Google scholar에서 ‘Decision Tree’라고 검색을 하면 상당히 많은 최신 논문들이 검색이 되는 것을 확인할 수가 있습니다. 또한 의사결정나무는 보통 기계학습을 입문하시는 분들이 처음 접하시는 알고리즘이기도 합니다. 그렇기에 의사결정나무를 그냥 대충하고 넘어갈 수는 없습니다. 의사결정나무의 기본 컨셉은 알고리즘에 사용되는 Features에 대해 분리를 하는 것에서 시작합니다. 여러분들 모두 심리테스트 책을 보셨을 것이고, 거기서 ’당신은 OO에 해당하나요?’ 라는 질문에 대한 답을..
데이터마이닝
2020. 4. 23. 23:55