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
- geom_errorbar
- R 결측치
- 강화학습 #추천서적 #강화학습인액션
- ggsurvplot
- dplyr
- 카플란마이어
- ggplot2
- 의사결정나무
- CrossValidation
- ggplot()
- 생존그래프
- 콕스비례모형
- R 연습문제
- R dplyr
- R mutate
- 미국 선거데이터
- 생존분석
- Bias-Variance Tradeoff
- R select
- R filter
- 데이터핸들링
- R문법
- R
- 이산형 확률분포
- 데이터 핸들링
- 확률실험
- ISLR
- 교차타당성
- R ggplot2
- 주식데이터시각화
Archives
- Today
- Total
목록cart (1)
Must Learning With Statistics

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