Development(7985)
-
투표(Majority Voting)
투표(Majority Voting)· ≒ 다수결 ≒ 다수결 방법· ≒ 과반수 투표· 가장 단순한 모형 결합 방법· 동일한 훈련세트로 여러 모델을 구축합니다.
-
VotingClassifier()
VotingClassifier() · {sklearn.ensemble} 서브패키지의 메소드입니다. · 앙상블(Ensemble)의 다수결 기법(Voting)의 모형을 생성합니다. from sklearn.ensemble import VotingClassifier class sklearn.ensemble.VotingClassifier(estimators, voting='hard', weights=None, n_jobs=None, flatten_transform=True) parameter description estimators · 개별 모형 목록 · 리스트나 named parameter 형식으로 입력합니다. voting · 문자열 {hard, soft} · hard voting 과 soft voting 선택..
-
graph_from_dot_data()
graph_from_dot_data() · {pydotplus} 패키지의 graphviz를 통한 그래프 생성 함수입니다. · 그래프 저장용 텍스트 파일 포맷인 dot 형식의 데이터로 정의된 그래프를 로드(load)하여 그래프를 생성해줍니다. # graphviz를 통한 그래프 생성 함수 from pydotplus import graph_from_dot_data # 그래프를 생성하기위해 data 생성 dot_data = export_graphviz(tree, filled=True, rounded=True, class_names=target_name, feature_names=feature_names, out_file=None) # graphviz data통해 그래프 생성 graph = graph_from_d..
-
배깅 알고리즘
배깅 알고리즘 · 각 훈련치를 평균하면, 분산을 낮추는 효과가 있습니다. · 배깅(Bagging)은 분산을 낮춰 과적합을 막아줍니다. 원자료(훈련세트)에서 무작위로 추출하여 표본 데이터를 뽑습니다. 뽑은 표본 데이터로 예측 모델을 모델링해서 최종 모델을 만듭니다.
-
learning_curve()
learning_curve() 학습 곡선을 그려줍니다. sklearn.model_selection.learning_curve(estimator, X, y, groups=None, train_sizes=array([0.1, 0.33, 0.55, 0.78, 1. ]), cv=None, scoring=None, exploit_incremental_learning=False, n_jobs=None, pre_dispatch='all', verbose=0, shuffle=False, random_state=None, error_score=nan, return_times=False) https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.l..
-
export_graphviz()
export_graphviz() · {sklearn.tree}모듈의 export_graphviz() 메소드를 사용하여 의사결정트리를 시각화시켜줍니다. · export_graphviz() 메소드는 그래프 저장용 텍스트 파일 포맷인 .dot 파일포멧을 생성합니다. # graphviz data 생성함수 임포트 from sklearn.tree import export_graphviz parameter description decision_tree decision tree classifier 의사결정나무 분류기(모델) filled=True bool, optional (default=False) filled=True: True로 지정하면 노드의 클래스가 구분되도록 색으로 칠해집니다 rounded bool, opti..