반응형
앙상블 학습(Ensemble Learning)
- 주어진 자료를 이용하여 여러가지 분석 예측 모델들을 생성하고 해당 에측 모델들을 결합하여 최종적인 하나의 예측 모델을 만드는 방법
- 치우침이 있는 여러 모델의 평균을 취할 시 평균을 얻을 수 있음
- 여러 모델의 분석 결과를 결합하면 변동성 및 과적합 여지 최소화
- 배깅
- 복원 추출 방법
- 데이터를 샘플링, 모델링한 후 전체 결합하여 결과를 평균하는 기법
- 부스팅
- 순서대로 모델들을 진행하는 방법
- 이전 분류기의 학습 결과에 따라 다음 분류기의 학습 데이터의 샘플 가중치를 조정해 학습 진행
- 랜덤 포레스트
- 배깅을 적용한 의사결정나무
- 다수의 판단트리를 생성하고 각 트리는 학습 데이터셋의 일부분을 추출해서 학습
- 트리를 구성하는 변수 역시 전체 변수들의 부분집합으로 선택
2023.03.21 - [이론/빅데이터 분석 기사] - 빅데이터 모델링 - 고급 분석기법 - 앙상블 분석(Ensemble Analysis)
2023.03.18 - [이론/빅데이터 분석 기사] - 빅데이터 모델링 - 분석기법 - 의사결정나무(Decision Tree, 결정트리)
결합분석 모델
- 두 종류 이상의 결과변수를 동시에 분석할 수 있는 방법
- 결과 변수 간의 유의성, 관련성을 설명 가능
참고
반응형