Machine Learning/분류모델 Decision Tree의 개념 by leehii 2022. 8. 4. 뿌리 노드 (최초) 의사결정 노드 잎사귀 노드 (마지막) depth(깊이)가 커지면 과대적합 가능성이 높아짐 따라서 이 모델의 하이퍼 파라미터는 depth를 포함한 4가지 요소들이다 가장 많이 사용되는 것은 max_depth 공유하기 게시글 관리 Coding Practice 저작자표시 (새창열림) 'Machine Learning > 분류모델' 카테고리의 다른 글 Decision Tree 실습 [ isnull과 isnan / fillna / groupby( ) / Seaborn : countplot, violinplot / 특성공학 / pd.cut(data, bins, labels) / zip(list1, list2) / cross_val_score / StandardScale / ] [ 타이타닉 데이터 ] (0) 2022.08.08 Decision Tree 분류 실습 [ 변수.value_counts( ) 와 np.bincount(변수) / One-hot Encoding과 Label Encoding / graphviz를 이용한 시각화 ] [버섯 데이터] (0) 2022.08.04 iris 데이터를 활용한 KNN 분류 실습 [ numpy : np.bincount( ) , pandas : .value_counts( ) ] (0) 2022.08.03 K-Nearest Neighbors (KNN) [ 알고리즘 개념 ] (0) 2022.08.03 지도학습을 이용한 비만판단 모델 (0) 2022.08.03 관련글 Decision Tree 실습 [ isnull과 isnan / fillna / groupby( ) / Seaborn : countplot, violinplot / 특성공학 / pd.cut(data, bins, labels) / zip(list1, list2) / cross_val_score / StandardScale / ] [ 타이타닉 데이터 ] Decision Tree 분류 실습 [ 변수.value_counts( ) 와 np.bincount(변수) / One-hot Encoding과 Label Encoding / graphviz를 이용한 시각화 ] [버섯 데이터] iris 데이터를 활용한 KNN 분류 실습 [ numpy : np.bincount( ) , pandas : .value_counts( ) ] K-Nearest Neighbors (KNN) [ 알고리즘 개념 ]