문제4) 앙상블(Ensemble)모형의 Bagging과 Boosting 알고리즘을 설명하시오.
답)
1. 앙상블 모형의 개요
|
|
2. Bagging 알고리즘
가. Bagging 알고리즘의 개념 및 개념도
개념
|
학습데이터를 균일한 확률분포에 따라 반복적으로 샘플링(부트스트랩)하여 모델링 한 후 결합하여 최종 예측모형을 만드는 알고리즘
|
개념도
|
|
나. Bagging 알고리즘 설명
구분
|
항목
|
설명
|
절차
|
1) Sampling Data 구성
2) 분류기 생성 3) Vote 4) 최종모델 생성 |
|
알고리즘 특징
|
|
|
3. Boosting 알고리즘
가. Boosting 알고리즘의 개념 및 개념도
개념
|
학습모델에서 오분류한 학습데이터에 대해 가중치를 주어 오류를 보완하는 방식을 반복하여 최종 분류 모형을 만드는 알고리즘
|
개념도
|
|
나. Boosting 알고리즘 설명
구분
|
항목
|
설명
|
절차
|
1) Sampling Data 구성
2) 모델링 수행 3) 가중치 계산 4) 가중치 조정 5) 최종모델 생성 |
|
알고리즘 특징
|
|
|
4. Bagging 과 Boosting 비교
구분
|
Bagging
|
Boosting
|
학습방식
|
분류기에 대해 병렬 학습 방식
|
순차, 선형 학습 방식으로 수행
|
학습특징
|
Votingm 다중모델 훈련
|
가중치 재조정, 앙상블 기법
|
목적
|
전반적으로 분류가 잘 되도록 유도
(분산감소에 목적) |
분류하기 힘든 값에 예측력을 강화하여 정확도 향상(예측력 강화)
|
최종모델 생성
|
예측모형을 결합하여 최종모델 생성
|
예측력이 약한모델을 결합, 강한 모델 생성
|
계산 복잡도
|
높음
|
낮음
|
분류성능
|
데이터 결측치 존재 시 우수, 안전성
|
데이터 많을 경우 우수, 정확성
|
|
공감과 댓글은 아이티신비에게 큰 힘이 됩니다.
블로그 글이 유용하다면 블로그를 구독해주세요.♥
'정보관리기술 > 인공지능' 카테고리의 다른 글
텐서플로(TensorFlow) / ① (22) | 2024.03.31 |
---|---|
EfficentNet, EfficentDet / ① (23) | 2024.03.31 |
SNN(Spiking Neural Network) (28) | 2024.03.30 |
과적합(Overfitting) / ① (23) | 2024.03.29 |
SVM(Support Vector Machine) (25) | 2024.03.29 |