ML

랜덤 포레스트 (Random Forest)

https://welldonecode.tistory.com/157 의사결정트리 (Decision Tree)Random Forest의 기초가 되는 의사결정트리 (Decision Tree)에 대해서 알아본다. 의사결정트리는 지도학습 방법 중, "분류" 문제를 푸는데 사용된다. 데이터가 존재할 때, 스무고개를 통해 그 데이터가welldonecode.tistory.com이전 게시물에서 의사결정트리에 대해 다뤘고, 의사결정트리의 overfitting 문제를 해결하기 위해 random forest가 등장하였다고 언급하였다. 이번엔 이 random forest에 대해 알아본다.  의사결정트리에서 "나무"를 만들었다면, 랜덤 포레스트에서는 나무들로 이루어진 "숲"을 만든다. 하나의 나무가 문제를 잘 해결하지 못하니, ..

의사결정트리 (Decision Tree)

Random Forest의 기초가 되는 의사결정트리 (Decision Tree)에 대해서 알아본다. 의사결정트리는 지도학습 방법 중, "분류" 문제를 푸는데 사용된다. 데이터가 존재할 때, 스무고개를 통해 그 데이터가 어떤 class에 속하는지 맞추는 예시와 상당히 유사하다. 그렇다면, 의사결정트리의 구성요소에 대해 설명한다.  위와 같은 그림에서 각 노드의 명칭은 아래와 같다.맨 처음 분류 기준을 Root Node중간 분류 기준을 Intermediate Node맨 마지막 노드를 Terminal Node 혹은 Leaf Node 이제, 완성된 의사결정트리를 보고 역으로 그 원리에 대해 설명하겠다. 위 그림은 depth=2 상태로 완성된 의사결정트리이다. 여기서 Root Node와 Intermediate N..

Artificial Intelligence vs Machine Learning vs Deep Learning

해당 게시물은 "혁펜하임의 AI DEEP DIVE"를 수강하고 작성되었습니다.  AI와 ML의 차이점은 "데이터를 기반으로 하는지"이다.ML과 DL의 차이는 "Deep Neural Network를 사용하는지"이다. 대표적인 예시는 다음과 같다.AI : 규칙 기반 알고리즘(강아지와 고양이의 특징(규칙)을 사람이 정해서 주입시킴)ML : 결정 트리, 선형 회귀, 퍼셉트론, SVM(강아지와 고양이의 사진을 겁나 많이 주고 이를 기계한테 학습시키면 강아지의 고양이의 특징이나 차이점을 기계가 파악함)DL : CNN, RNN, GAN(깊은 인공 신경망을 사용하여 학습함)