3 처지: 랜덤 포레스트, 배깅, 편향-분산 트레이드오프.
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.
새로운!!: 앙상블 학습법와 랜덤 포레스트 · 더보기 »
배깅
배깅()은 bootstrap aggregating의 줄임말로 통계적 분류와 회귀 분석에서 사용되는 기계 학습 알고리즘의 안정성과 정확도를 향상시키기 위해 고안된 일종의 앙상블 학습법의 메타 알고리즘이.
새로운!!: 앙상블 학습법와 배깅 · 더보기 »
편향-분산 트레이드오프
통계학과 기계 학습 분야에서 말하는 편향-분산 트레이드오프(Bias-variance tradeoff) (또는 딜레마(dilemma))는 지도 학습 알고리즘이 트레이닝 셋의 범위를 넘어 지나치게 일반화 하는 것을 예방하기 위해 두 종류의 오차(편향, 분산)를 최소화 할 때 겪는 문제이.
새로운!!: 앙상블 학습법와 편향-분산 트레이드오프 · 더보기 »