앙상블2 [데이터 사이언스 스쿨] 부스팅 방법 부스트(boost) 방법은 미리 정해진 갯수의 모형 집합을 사용하는 것이 아니라 하나의 모형에서 시작하여 모형 집합에 포함할 개별 모형을 하나씩 추가한다. 또한 부스트 방법은 이진 분류에만 사용할 수 있으며 yy값은 1또는 -1의 값을 가진다. - 출처 : [데이터 사이언스 스쿨] 부스팅 방법 2021. 5. 13. [데이터 사이언스 스쿨] 12.02 모형 결합 ○ 모형 결합(model combining) 방법은 앙상블 방법론(ensemble methods)이라고도 한다. 이는 특정한 하나의 예측 방법이 아니라 복수의 예측 모형을 결합하여 더 나은 성능의 예측을 하려는 시도이다. ○ 모형 결합의 효과 단일 모형을 사용할 때 보다 성능 분산 감소, 즉 과최적화를 방지. 개별 모형이 성능이 안좋을 경우 결합 모형의 성능이 더 향상. ○ 모형 결합 방법 - 취합(aggregation) 방법론 다수결 (Majority Voting) 배깅 (Bagging) 랜덤포레스트 (Random Forests) - 부스팅(boosting) 방법론 에이다부스트 (AdaBoost) 그레디언트 부스트 (Gradient Boost) - 출처 : [데이터 사이언스 스쿨] 12.02 모형 결합 2021. 5. 13. 이전 1 다음