Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- python
- 머신러닝
- 심층신경망
- Kaggle
- Machine Learning
- frontend
- 대감집 체험기
- TooBigToInnovate
- r
- docker
- Kubernetes
- 타입스크립트
- 파이썬
- bigquery
- ADP
- do it
- 최적화
- DBSCAN
- 프론트엔드
- 빅쿼리
- 차원 축소
- 캐글
- 구글
- 리액트
- React
- 쿠버네티스
- 대감집
- LDA
- ADP 실기
- 클러스터링
Archives
- Today
- Total
목록Random forest (1)
No Story, No Ecstasy
[ADP 실기 with R] 6. 분류 분석 (2): Ensemble (Bagging, Boosting, Random Forest)
0. Ensemble - 주어진 데이터로부터 여러 개의 예측 모형들을 만든 후 조합하여 하나의 최종 예측 모형을 만드는 기법 1. Bagging - Bootstrap을 활용하여 여러개의 예측모형을 만든 후 결합하여 최종 예측 모형을 만드는 기법 - 여러 예측 모형들의 Voting을 통한 다수결로 분류 결과를 결정한다. - R 코드 예제 # 0. package import library(adabag) # 1. bagging 모델 생성 ## - mfinal: the number of trees to use (= the number of iterations for which bootstrapping is run) bg.model = bagging(y~., train_data, mfinal = 15, contr..
Data Science Series
2020. 12. 12. 17:19