결정 포레스트에 적절한 데이터

결정 포레스트는 테이블 형식 데이터 세트 (스프레드시트, csv 파일 또는 데이터베이스 테이블에서 나타낼 수 있는 데이터)가 있을 때 가장 효과적입니다. 테이블 형식 데이터는 가장 일반적인 데이터 형식 중 하나이며 결정 포레스트는 이를 모델링하는 '이동' 솔루션이 되어야 합니다.

표 1. 테이블 형식 데이터 세트의 예시

구간 수	눈 개수	체중 (lbs)	종 (라벨)
2	2	12	펭귄
8	6	0.1	거미
4	2	44	개
…	…	…	…

신경망과 달리 결정 포레스트는 기본적으로 테이블 형식의 데이터를 사용합니다. 결정 포레스트를 개발할 때는 다음과 같은 작업을 하지 않아도 됩니다.

• 특성 정규화 또는 원-핫 인코딩과 같은 사전 처리를 수행합니다.
• 대칭을 수행합니다 (예: 누락된 값을 -1로 바꾸기).

그러나 결정 포레스트는 이미지나 텍스트와 같이 테이블이 아닌 데이터 (구조화되지 않은 데이터라고도 함)를 직접 사용하기에 적합하지 않습니다. 예, 이 제한에 대한 해결 방법이 있지만 일반적으로 신경망이 구조화되지 않은 데이터를 더 잘 처리합니다.

성능

결정 포레스트는 샘플 효율적입니다. 즉, 결정 포레스트는 작은 데이터 세트 또는 특성 수 / 예시 수의 비율이 높은 (또는 1보다 큰) 데이터 세트에서 학습하는 데 매우 적합합니다. 결정 포레스트는 모든 머신러닝 모델과 마찬가지로 샘플 효율적이지만, 결정 포레스트는 많은 데이터를 사용할 수 있을 때 가장 효과적입니다.

결정 포레스트는 일반적으로 비슷한 신경망보다 더 빠르게 추론합니다. 예를 들어 중간 크기의 결정 포레스트는 최신 CPU에서 몇 마이크로초 만에 추론을 실행합니다.