랜덤 포레스트

1 / 15

100%

왜 랜덤 포레스트란? — Bagging + 특성 랜덤 선택이 필요한가? 실무에서 이 개념 없이는 문제를 해결할 수 없습니다. 핵심 동기와 배경을 먼저 이해합시다. 랜덤 포레스트(Random Forest) 는 여러 결정 트리를 동시에 학습시키고, 결과를 종합하는 앙상블(Ensemble) 기법입니다. 핵심 아이디어: 한 명의 전문가보다 여러 명의 의견을 모으는 게 더 정확하다는 "군중의 지혜(Wisdom of Crowds)" 에 기반합니다. 두 가지 핵심 랜덤성: 1. Bagging (Bootstrap Aggregating) : 전체 데이터에서 복원 추출로 각 트리마다 다른 훈련 데이터를 만듭니다 2. Feature Randomness : 매 분할(split)마다 전체 특성 중 일부만 랜덤으로 선택해서 후보로 사용합니다 왜 두 가지 랜덤이 모두 필요한가? Bagging만 하면? 강한 특성이 매번 루트에 선택됨 \to 트리끼리 너무 비슷해짐 특성 랜덤까지 추가하면? 트리마다 다른 관점으로 데이터를 봄 \to 다양성 확보 최종 예측 방식: 분류(Classification): 다수결 투표 (Majority Voting) 회귀(Regression): 모든 트리 예측값의 평균 (Mean) 기본 설정: 분류 시 후보 특성 수: \sqrtp (p = 전체 특성 수) 회귀 시 후보 특성 수: p / 3

0:00 / 2:45

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

머신러닝 기말고사회귀분석 정리분류 알고리즘 비교머신러닝 과제

비전공/입문자

머신러닝이란머신러닝 입문머신러닝 독학 로드맵AI 기초

취준생

머신러닝 면접 질문데이터 사이언티스트 준비ML 엔지니어 포트폴리오

직장인

머신러닝 실무 적용업무 자동화 ML비전공자 머신러닝

대학원생/연구자

ML 알고리즘 비교 논문classical ML 서베이

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비