250x250
Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- 코딩
- 리눅스
- 정처기실기
- 기사자격증
- 리눅스마스터2급2차
- 정처기
- 리눅스명령어
- 리눅스마스터2급
- 파이썬
- 장고
- 프로그래밍
- 자격증
- IT
- 공부블로그
- Linux
- 리눅스마스터
- 정처기기출
- 리눅스활용
- 정보처리기사실기
- 정보처리기사
- 리눅스자격증
- 정보처리기사기출
- Django
- C
- python
- 머신러닝
- 웹개발
- IT자격증
- SW
- Java
Archives
- Today
- Total
목록boosting (1)
Tech Trail
[AI] 머신러닝 알고리즘(2): Ensemble 기법, XGBoost, LightGBM
Ensemble (앙상블): 여러 개의 분류기를 결합하여 보다 정확한 예측을 얻는 머신러닝 기법입니다. 이를 통해 약한 모델을 조합하여 높은 예측 정확도를 달성할 수 있으며, 적절한 Hyperparameter 튜닝이 필요합니다. Ensemble 기법 Boosting: 이전 학습에 대하여 잘못 예측된 데이터에 가중치를 부여하여 오차를 보완하는 방식으로, 대표 모델로 XGBoost, LightGBM이 있습니다. 순차적인 학습을 통해 오차를 보완하지만 학습 시간이 길 수 있습니다. Stacking: 여러 모델이 예측한 결과 데이터를 기반으로 최종 예측을 수행하는 방식입니다. 이를 통해 성능은 향상될 수 있지만 과대적합을 유발할 수 있습니다. Weighted Blending: 각 모델의 예측값에 가중치를 곱..
AI/Machine Learning
2023. 11. 19. 00:05