Ensemble > Bagging(Bootstrap Aggregating), Random Forest

배깅(Bagging)Bootstrap Aggregating, 일반적으로 배깅(Bagging)이라고 불리는 이 기법은 Ensemble Learning의 한 방법으로, 모델의 예측 성능을 향상시키고 과적합(overfitting)을 줄이기 위해 사용됩니다. 배깅은 여러 개의 모델을 독립적으로 학습시킨 후, 그 예측 결과를 평균 내거나 다수결 투표를 통해 최종 예측을 도출하는 방법입니다.배깅의 과정데이터셋 샘플링: 원본 데이터셋에서 크기가 같은 여러 개의 부트스트랩(bootstrap) 샘플을 생성합니다. 부트스트랩 샘플은 원본 데이터셋에서 복원 추출(즉, 중복을 허용하여)로 생성됩니다. 각 샘플은 원본 데이터셋과 같은 크기이지만, 중복된 데이터 포인트를 포함할 수 있습니다.모델 학습: 각 부트스트랩 샘플에 대해..
ML 2024. 5. 29. 13:24
1