목차
4 처지: 랜덤 포레스트, 배깅, 기계 학습, 구조-활성의 정량적 관계.
랜덤 포레스트
학습에서의 랜덤 포레스트()는 분류, 회귀 분석 등에 사용되는 앙상블 학습 방법의 일종으로, 훈련 과정에서 구성한 다수의 결정 트리로부터 부류(분류) 또는 평균 예측치(회귀 분석)를 출력함으로써 동작.
배깅
배깅()은 bootstrap aggregating의 줄임말로 통계적 분류와 회귀 분석에서 사용되는 기계 학습 알고리즘의 안정성과 정확도를 향상시키기 위해 고안된 일종의 앙상블 학습법의 메타 알고리즘이.
기계 학습
학습(機械學習) 또는 머신 러닝()은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있.
구조-활성의 정량적 관계
조-활성의 정량적 관계 (Quantitative structure–activity relationship, QSAR)모델은 화학, 생물학, 공학에서 사용되는 회귀 또는 분류모델을 말. 다른 회귀모델들 처럼 QSAR 회귀모델은 수치형태의 반응변수(Y)와 예측변수(X)의 관계를 나타내고, QSAR 분류모델은 범주형태의 반응변수와 예측변수의 관계를 나타낸 것이.