반응형 classification3 [Classification 2] 3. Classification algorithms - Random Forest, Ensemble approach(2) Content Introduction to supervised learning approach Data split in supervised learning Classification algorithms KNN & distance measures Decision tree Random Forest, Ensemble approach SVM 3. Classification algorithms - Random Forest, Ensemble approach 3.17 Random Forest with different values of “m” Random Forest 알고리즘에서 다양한 "m" 값의 사용은 중요한 의미를 가집니다. 여기서 "m"은 각 결정 트리를 생성할 때 무작위로 선택되는 특성(변수)의 수를 의미합.. 2024. 4. 22. [Classification 1] 3. Classification algorithms - distance measures ContentIntroduction to supervised learning approachData split in supervised learningClassific.. 2024. 4. 21. [Classification 1] 1. Introduction to supervised learning approach Content Introduction to supervised learning approach Data split in supervised learning Classification algorithms KNN & distance measures Decision tree Random Forest, Ensemble approach SVM 1. INTRODUCTION TO SUPERVISED LEARNING 1.1 Supervised learning 지도 학습은 주어진 입력(X)에 대해 예측하고자 하는 출력(Y)을 예측하는 학습 방법. (Task: given X, predict Y) 이 과정에서 사용되는 데이터는 레이블이 지정된 데이터, 즉 X(입력)와 Y(출력) 모두가 포함된 데이터. "예측 결과(Y)"를 .. 2024. 4. 21. 이전 1 다음 반응형
