[데이터분석] 배깅과 부스팅
(1) 앙상블- 여러 모델을 결합해서 더 좋은 성능을 내는 기법 (2) 배깅- 여러 모델이 제각각 배운걸 평균내서 예측(병렬 학습)- 대표 모델: 랜덤포레스트- 결정트리 기반의 앙상블 학습 기법, 머신러닝에서 가장 널리 쓰이는 모델 중 하나- 여러 개의 결정트리를 랜덤하게 생성한 뒤, 각각의 예측을 투표(분류) 또는 평균(회귀)해서 최종 결과를 만드는 모델- 목표: 분산을 낮추는 것 (3) 부스팅- 앞에서 틀린걸 다음 모델이 고치면서 점점 똑똑해지는 방식 (순차학습)- 대표모델: XGBoost, LGBM, CatBoost - 목표: 편향을 낮추는 것 1. AdaBoost- 가장 초기의 부스팅 알고리즘 중 하나- 약한 학습기(보통 깊이 1짜리 트리)를 여러개 쌓되, 이전 모델이 틀린 데이터에 더 집중- ..
AI/데이터분석
2025. 4. 21. 16:47
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 미라클모닝
- 뉴스
- 줄넘기
- 운동
- C언어
- 빅데이터 분석기사
- 다이어트
- 아침운동
- 습관
- 티스토리챌린지
- SQL
- 기초
- 프로그래머스
- llm
- 영어회화
- 오블완
- 경제
- 아침
- 실기
- 루틴
- opic
- 오픽
- 30분
- Python
- 스크랩
- IH
- ChatGPT
- 갓생
- Ai
- 고득점 Kit
| 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