TIL - 06.11

데이터의 분리 이유

학습 / 평가 데이터 분리

 

판단을 위해 / 과적합 방지를 위해

 

조건사항 : 동일한 데이터(전처리 및 변경 이전) 를 나눌 것

충분한 데이터 량 등..

 

 

문제 발생 예시 : 과대`소 적합

 

sklearn.model_selection_train_test_split

 random_state 랜덤 추출(실행 마다 변경 됨) / .stratify - 비율 보존 

 

---

의사결정나무이론

Node point 지정 간 조건 하 분할

불순도가 낮아지는 방향으로 진행

-> 과적합하게 적용 될 수 있음

---

 

해결방안

Random Foreset

 

Bagging

머신러닝의 문제점 : 학습할 데이터가 부족하다

Bootstrapping + Aggregating 방법론

Bootstrapping : 데이터를 복원, 추출해서 유사하지만 다른 데이터 집단을 생성하는 것

Aggregating : 데이터의 예측, 분류 결과를 합치는 것

Ensemble(앙상블) : 여러 개의 모델을 만들어 결과를 합치는 것