Notice
Recent Comments
- 좋게 봐주셔서 감사합니다 ㅎㅎ
- filter2D말고 다른 메서드도 있나보죠? 저도⋯
- 책 읽어보고 싶었는데 읽기전에 사전 정보를⋯
- 안녕하세요! 잘 보고 갑니다!! 도움 많이 됐⋯
- 옙 감사합니다. 이해가 잘 되셨다니 다행이네요!
- 머신러닝 공부를 하다가 AdaBoost와 Gradient⋯
- 와 설명이 많이 부족했을 텐데, 끝까지 읽어⋯
- 특별한 이유가 있진 않고 빠르고 성능이 좋아⋯
- opencv 다 읽었습니다. 정말 유용한 정보 감⋯
- 혹시 검출기를 ORB를 쓰신 이유가 있나요?
- werooring@gmail.com로 연락주세요~ :)
- 제작 의뢰 문의 드려도 될까요? 010-5599-352⋯
- ADP 준비하고 계시는군요. 방문해주시고 댓글⋯
- ADP 자격증 실기를 준비중에 있는데 나이브⋯
- 아이고 너무나 감사합니다 ^^
목록랜덤 포레스트 원리 (1)
귀퉁이 서재

이전 포스트에서 결정 트리(Decision Tree)에 대해 알아봤습니다. 랜덤 포레스트를 배우기 위해서는 우선 결정 트리부터 알아야 합니다. 결정 트리에 대해 잘 모른다면 이전 포스트를 먼저 보고 오시기 바랍니다. (머신러닝 - 4. 결정 트리) 랜덤 포레스트의 개념은 쉽습니다. 랜덤 포레스트의 포레스트는 숲(Forest)입니다. 결정 트리는 트리는 나무(Tree)입니다. 나무가 모여 숲을 이룹니다. 즉, 결정 트리(Decision Tree)가 모여 랜덤 포레스트(Random Forest)를 구성합니다. 결정 트리 하나만으로도 머신러닝을 할 수 있습니다. 하지만 결정 트리의 단점은 훈련 데이터에 오버피팅이 되는 경향이 있다는 것입니다. 여러 개의 결정 트리를 통해 랜덤 포레스트를 만들면 오버피팅 되는 ..
머신러닝
2019. 7. 25. 23:32