티스토리 뷰
728x90
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!
반응형
'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
- 디텍션
- github
- 딥러닝
- CNN
- java
- 정리
- 이미지
- 오류
- python
- V11
- 자바
- 욜로
- YOLOv8
- 뜯어보기
- 알고리즘
- GNN
- docker
- c3k2
- YOLO
- 오블완
- 초보자
- GIT
- 깃
- DeepLearning
- Tree
- 도커
- 백준
- yolov11
- 어탠션
- 티스토리챌린지
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 | 31 |
글 보관함