전체 글477 Chap 08 Bagging and Random Forests : Random Forests Random Forests 랜덤 포레스트는 매우 효율적인 통계 학습 방법입니다. Bagging의 아이디어를 토대로 하지만 더 좋은 방안입니다. The trees를 de-correlate 하기 때문입니다. 작동하는 방식은 다음과 같습니다. Bootstrapped training sample의 결정 트리들을 만드는데 이때, 트리에서 분할을 고려하여 전체 p predictors의 집합으로부터 임의적 샘플의 m predictors가 split candidates로 선택됩니다. 보통 $m \approx \sqrt{p}$ 왜 분할 시 모든 predictors 대신에 랜덤 샘플의 m predictors를 고려해야 할까요? 데이터셋에서 다른 적당히 강력한 predictor 사이에 매우 강력한 predictor가 있다고.. 2019. 10. 14. Jupyter notebook 실행 시 시작 디렉토리 설정하기 Jupyter Notebook 환경 설정 (윈도우를 기준으로 작성되었습니다.) 검색에 cmd를 치고 명령 프롬프르틀 실행합니다. Anaconda Prompt도 괜찮습니다. 아래 명령을 실행합니다. jupyter notebook --generate-config 실행하면 jupyter_notebook_config.py 파일이 생성된 경로가 같이 보입니다. 해당 경로에 들어가서 파일을 실행해줍니다. 어느 에디터로 열어도 괜찮습니다. Jupyter Notebook 시작 디렉토리 설정 파일에서 Ctrl + F를 눌러 찾기를 실행 후 notebook_dir을 입력합니다. # c.NotebookApp.notebook_dir = ' ' 이 보이면 제대로 찾은 것입니다. 이 부분에 #(주석부분)을 지워준 후 ' ' 사이.. 2019. 10. 11. Chap 08 Bagging and Random Forests : Bagging 문제점 결정 트리는 높은 분산을 갖습니다. 즉, training data를 두 파트로 랜덤 하게 나누고 각각 결정 트리를 적합시키면 둘의 결과는 꽤 다르게 나옵니다. 낮은 분산을 갖는 모델을 만드는 것이 목표입니다. 이 문제를 해결하기 위해 bagging을 사용합니다. (bagging은 bootstrap aggregating에서 추린 말입니다.) Bootstrapping? 같은 사이즈의 관측된 데이터셋을 Resampling합니다. Resampling 된 데이터셋은 원래의 데이터셋에서 중복 가능한 random sampling을 통해 만들어졌습니다. Bagging? Bagging은 아래의 두 개의 방법을 기반으로 한 매우 강력한 아이디어입니다. Averaging : 분산을 줄입니다. Bootstrapping.. 2019. 10. 11. (Python) 백준 2588번 정답 a = int(input()) b = input() for i in range(2, -1, -1): print(a * int(b[i])) print(a * int(b)) 포인트 range(2, -1, -1)는 range(시작 숫자, 끝 숫자, 간격)를 나타낸다. for문을 이용해 반복한다. input()은 값을 문자열로 취급한다. 문자열로 되어있기 때문에 슬라이싱이 가능하다. 슬라이싱 후 사칙연산을 위해 정수로 타입을 꼭 바꿔주자. 2019. 10. 10. 이전 1 ··· 93 94 95 96 97 98 99 ··· 120 다음
