문제1) 머신 러닝(Machine Learning)에서 활용되는 의사결정나무(Decision Tree)모델을 설명하시오.
답)
1. 스무고개 놀이, 의사결정나무(Decision Tree)모델의 개념
|
||
정의
|
|
|
구성
요소 |
root node
|
의사결정 Tree가 시작되는 노드
|
child node
|
하나의 마디로부터 분리되어 나간 2개 이상의 노드
|
|
parent node
|
주어진 마디의 상위 노드
|
|
terminal node
|
더 이상 분기가 되지 않아 자식 마디가 없는 최종 끝의 노드
|
|
branch
|
root node로부터 terminal node까지 연결된 node
|
|
depth
|
root node부터 terminal node 까지의 중간 node 들의 수
|
2. 의무결정나무(Decision Tree) 모델의 절차
단계
|
설명
|
|
성장(Tree
Growing) |
성장(Tree Growing)
|
|
ASM(Attribute
Selection Measure) |
|
|
분리 규칙
|
|
|
child node 생성
|
|
|
가치치기(pruning)
|
|
|
최적 나무 모형 선택
|
|
|
해석 & 예측
|
|
3. 의사결정나무(Decision Tree)모델의 분류 기준
가. 의사결정나무(Decision Tree) 모델 기반 예측 모델링
분류기준
|
수식
|
설명
|
평균 제곱 오차(MSE,
Mean Squared Error) |
|
|
평균 절대 오차(MAE,
Mean Absolute Error) |
|
|
나. 의사결정나무(Decision Tree) 모델 기반 분류 모델링
분류기준
|
수식
|
설명
|
지니 지수
(Gini Index) |
|
|
엔트로피 지수
(Entropy Index) |
|
|
|
공감과 댓글은 아이티신비에게 큰 힘이 됩니다.
블로그 글이 유용하다면 블로그를 구독해주세요.♥
'정보관리기술 > 인공지능' 카테고리의 다른 글
임베딩(Embedding) (22) | 2024.03.26 |
---|---|
머신러닝 적대적 공격 (20) | 2024.03.25 |
인공지능 보안위협 (22) | 2024.03.24 |
머신러닝 최적화 알고리즘 (Optimization Algorithm) 유형 및 장단점 / ① (24) | 2024.03.24 |
머신러닝(Machin Learning)과 딥러닝(Deep Learning) /① (22) | 2024.03.23 |