이 과정은 다음 두 부분으로 구성됩니다.
- 현재 보고 있는 과정인 결정 포레스트 소개
- 2022년 하반기에 출시될 고급 결정 포레스트
이 과정에서는 결정 트리와 결정 포레스트를 소개합니다.
결정 포레스트는 지도 학습 머신러닝 모델 및 알고리즘의 계열입니다. 다음과 같은 이점이 있습니다.
- 신경망보다 구성이 더 쉽습니다. 결정 포레스트는 초매개변수가 적습니다. 또한 결정 포레스트의 초매개변수는 적절한 기본값을 제공합니다.
- 숫자 특성, 범주 특성, 누락된 특성을 기본적으로 처리합니다. 즉, 신경망을 사용할 때보다 훨씬 사전 처리 코드를 작성할 수 있으므로 시간이 절약되고 오류의 원인이 줄어듭니다.
- 즉시 유효한 결과를 제공하고, 노이즈 데이터에 강력하며, 해석 가능한 속성이 있는 경우가 많습니다.
- 신경망보다 작은 데이터 세트(예: 100만 개)가 훨씬 빠르게 추론하고 학습합니다.
결정 포레스트는 머신러닝 경쟁에서 뛰어난 결과를 만들어내며, 많은 산업 작업에 많이 사용됩니다. 결정 포레스트는 실용적이고 효율적이며 해석 가능합니다. 결정 포레스트는 다음과 같은 여러 지도 학습 작업에 사용할 수 있습니다.
이 과정의 자료는 결정 포레스트에 일반적이며 특정 라이브러리에 구속되지 않습니다. 그러나 이와 같은 주황색 상자에는 TensorFlow 결정 포레스트 (TF-DF) 라이브러리를 사용하는 코드 예가 포함되어 있습니다. 이러한 예는 TF-DF에 한정되지만 다른 결정 포레스트 라이브러리로 쉽게 변환할 수 있는 경우가 많습니다.
기본 요건
이 과정은 다음 과정을 완료했거나 이에 상응하는 지식이 있다고 가정합니다.
감사합니다.