Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Mehr von Hyunwoo Kim
Mehr von Hyunwoo Kim (16)
Random Forest Intro [랜덤포레스트 설명]
- 1. 김현우 a.k.a 순록킴 yBigTa 9기 심리학 & 컴퓨터과학
- 3. the Tree Contents { random forest, ensemble, bias & variance, bagging }; Bias Variance Ensemble Bootstrap
- 4. 통계학
- 6. 평가원은 모수를 알고 있다
- 8. 등급컷 및 평균에 대한 모델을 갖고 있다
- 10. 𝑿𝒊, 𝒀𝒊 개인 점수 잔차
- 13. Problem of Overfitting Bias & Variance
- 14. Bias - Variance trade off [or dilemma]
- 15. Does she like me…?
- 16. High bias (=low variance)
- 17. High variance (=low bias)
- 18. 그렇다면 overfitting은? High LowVariance Bias
- 19. Tree를 크게(=leaf node가 많다) 만들어 놨더니 high variance가 문제 Bias - Variance dilemma[or trade-off] 그렇다고 pruning 통해서 tree를 작게 만들었더니 이제는 high bias가 문제
- 21. Overfit: 과적합
- 24. Random Forestan ensemble learning method, by constructing multitude of decision trees
- 25. Ensemble? 합주단
- 26. Democracy in the Forest
- 27. How the Forest works _classification
- 28. How it works _classification 치킨 피자 치킨 치킨 = 치킨 먹는 날
- 29. How the Forest works _regression
- 30. How it works _regression 2.5 4 3.7 2.9 = 3.2병
- 31. How it looks
- 32. How to make a Forest
- 33. How to make a Forest Bagging
- 34. Bagging?
- 36. Resampling methods 1. Cross-validation - Validation set approach - Leave-One-Out Cross-validation - k-Fold Cross-validation 2. Bootstrap
- 39. Validation set approach Cross-validation Training Set Validation Set [or Hold-out set] Randomly usually almost Half
- 40. Validation set approach Cross-validation • Randomly • Almost half 모델 안정성 저해
- 41. Leave-one-out CV [LOOCV] Cross-validation T r a i n i n g S e t
- 42. Cross-validation Leave-one-out CV [LOOCV] • No randomness • 항상 같은 결과값 • n-1 observations(data) → Fitting이 n번 이루어져야 한다 → Computational problems
- 43. k-Fold CV Cross-validation T r a i n i n g S e tTest set Randomly
- 44. k-Fold CV Cross-validation • k-Fold: split 횟수 • Usually 10-folds • Lower variance than LOOCV • Computational advantage
- 45. Cross-Validation Validation set approach LOOCVk-Fold CV 1-Fold n-Foldk-Fold Bias Bias Bias Variance Variance Variance
- 46. Bootstrap "Bootstrap is one of the biggest statistical breakthrough in the 21th century." Harvard statistics professor, Joe Blitztein
- 47. Bootstrap?
- 48. Bootstrap
- 49. Bootstrap pull one's own by one's bootstrap 불가능한 일을 해낸다는 관용어구
- 50. Bootstrap pull one's own by one's bootstrap 누군가의 도움을 받지 않고 스스로 문제 상황을 개선한다
- 51. Bootstrap 누군가의 도움을 받지 않고 스스로 문제 상황을 개선한다 Training & Testing
- 52. Bootstrap 누군가의 도움을 받지 않고 스스로 문제 상황을 개선한다 Training & Testing
- 53. Decision Trees have high variance Bootstrap a slight change in sample, A huge change in result
- 54. Overfit: 과적합
- 55. 모집단의 성질에 대해 표본을 통해 추정할 수 있는 것처럼, 표본의 성질에 대해서도 재표본을 통해 추정할 수 있다는 것이다. 즉 주어진 표본(샘플)에 대해서, 그 샘플에서 또 다시 샘플(재표본)을 여러번(1,000~10,000번, 혹은 그 이상)추출하여 표본의 평균이나 분산 등이 어떤 분포를 가지는가를 알아낼 수 있다. Bootstrap
- 56. Bootstrap 복원 추출
- 58. Bootstrap
- 59. Bagging?
- 61. 1.[C] 합계, 총액 2.[U , C] (전문 용어) (건설 자재용) 골재 Aggregating
- 63. Averaging a set of observations reduces variance Bootstrap A slight change in sample, Still a slight change in split 시험지 확인하러 가서 내 점수를 올려도 반 평균에는 큰 영향을 미치지 않는다
- 64. Why Random Forest ?
- 65. A random sample of predictors per split 학과, 학점, 학교, 영어성적, 수능성적 √p
- 72. Cross-validation
- 73. Tree & advantages 1. 이해하기 쉽다: 씹고 뜯고 맛보고 즐기고 [White box] 2. 데이터 정제가 크게 필요하지 않다: 바로 넣자 3. numerical, categorical 가리지 않는다: 그냥 넣자 4. 데이터가 어떤 패턴인지 볼 때 편하다: 넣어봐
- 74. A dark forest
- 75. Inside the Forest Black Box
- 76. Decision Tree
- 80. Thank you