반응형 확률적 그레디언트 부스팅1 배깅(Bagging), 앙상블(Ensemble), 부스팅(Boosting), 고워거리(Gower's Distance), 코페네틱 거리(Cophenetic Distance) 배깅(Bagging, Bootstrap Aggregation) 예측모형의 변동성이 큰 경우, 예측모형의 변동성 감소를 위하여 사용 원자료로부터 여러번 복원 Sampling을 통하여 예측 모형의 분산을 줄여줌으로써 예측력 향상(복원추출 랜덤 샘플링) Ex) Random Forest - 분류의 경우 다수결투표, 회귀의 경우 예측을 평균으로 하며 개별트리를 만들기 위해 Bagging 사용 앙상블(Ensemble) – 인공지능 성능을 향상하게 만드는 핵심은 분류기의 다양성 1개 Model결과가 낮고 안좋아도 조합 시 전체 결과가 향상 가능하다. 여기서 타 Model이 다르기에, 타 Model에 없는 정보를 제공. 즉, 최대한 다르면서 좋은 Model로 해야 성능향상에 좋다 부스팅(Boosting) 이전 Mode.. 2023. 8. 16. 이전 1 다음 728x90 반응형
