[머신러닝] 디시젼트리와 XGBoost 인기도 변화 추이 요점: 코로나 바이러스 COVID-19 사태로 인해 전세계적으로 머신러닝 기법에 관한 관심이 줄어들었으나 XGBoost 기법에 대한 관심이 디시젼트리에 대한 관심이상으로 높음. 정확도 높은 고급 머신러닝 기법을 찾는 사람들이 많음 2021년 현재까지 트리기반 앙상블 머신러닝의 대표선수는 XGBoost 파이썬이 머신러닝을 위한 분석용 환경으로 지배적 지위를 가진지 3년 가량이 지났음 supervised machine learning을 위해 디시젼트리와 XGBoost는 가장 많이 활용되는 모델링 기법들 전세계적인 인기도를 구글트렌드 지수를 기준으로 살펴보면 XGBoost가 전통적인 디시젼트리 보다 조금은 더 많은 관심을 받고 있음을 알수 있음 R에서와..

파이썬: 실전팁 for EDA [전용준.리비젼컨설팅] (지극히 주관적인...) 실전에서의 탐색적 데이터 분석 방법 (Tips) 몇 가지 요점은 .... 👍 [1] 익숙한 하나의 라이브러리를 집중적으로 사용한다 (esp. plt.scatter ) 👍 [2] 많은 변수가 있다면 핵심변수에 우선 집중한다 (esp. Target이 있는 경우..

# ctree를 사용한 디시젼트리는 트리 플롯을 그렸을때 터미널 노드간의 오버랩이 발생되며 # 노드의 통계값이 잘 보이지 않는 문제가 골칫거리임 # 이를 해결하기 위해 아래의 custom function을 활용하면 말끔해짐 # 링크 : http://stackoverflow.com/questions/13772715/show-volume-in-each-node-using-ctree-plot-in-r in..

# =========== creating decision tree =============== # 데이터 셋은 데이터 처리 연습에서 사용하던 것을 그대로 가져다 사용 # 다시 한번 돌려서 머지된 RBI와 OPS 있는 데이터 셋을 사용하든지 아니면 # k6 데이터 셋을 사용하든지 attach(k6) k7 <- aggregate(OPS~team, FUN=median, na.rm=TRUE) k8 <- aggregate(rbi~team, FU..