티스토리 뷰
ML에서 자주 사용되는 DT, RF, ET를 표로 한번 정리해보고자 한다.
Boot Strap | 사용 Feature 갯수 | Split 방법 | Aggregate | ||
Decision Tree | X | ALL | Best | X | |
Random Forest | O | 분류: sqrt(ALL) 회귀 : ALL |
Best | O | |
Extra Tree | X | 분류: sqrt(ALL) 회귀: ALL |
Random | O |
이처럼 표로 간단하게 정리 할 수 있을 것 같다.
Boot Strap 사용 여부, Split에 사용되는 feature 갯수, Split 방법, Aggregate(앙상블)여부로 나눠봤다.
(사실, Extra Tree의 BootStrap은 sklearn에서 default로 False가 되어있어서 'X'로 표현했다. Extra Tree에서도 Boot Strap을 사용할 수 있다. 참고하자.)
Tree 모델은 굉장히 중요한 역할을 하기때문에, 여기까지 한번 정리해 보았다.
참고하시길!
'머신러닝' 카테고리의 다른 글
[ML] GBM(Gradient Boosting Machine) - 정리 (0) | 2023.03.21 |
---|---|
[ML] AdaBoosting 정리 (0) | 2023.03.05 |
[ML] Extra Tree (Extremely Randomized Trees)- 정리 (0) | 2023.02.28 |
[ML] Random Forest - 정리 (0) | 2023.02.28 |
[ML] 의사결정트리(Decision Tree) - Pruning(가지치기) (0) | 2023.02.26 |
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 설치
- torch
- 입출력
- 정리
- docker
- 삭제
- Tree
- GNN
- 깃
- 파이썬
- 도커
- python
- 자바
- 이미지
- DeepLearning
- 계산
- 오류
- java
- GPU
- 입력
- github
- Flask
- 초보자
- 뜯어보기
- gbm
- DT
- GIT
- boosting
- CNN
- 딥러닝
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 |
글 보관함