편집
1,408
번
바뀜
둘러보기로 가기
검색하러 가기
새 문서: == 개요 == 의사결정 나무를 만드는 가장 간편한 방법은 사이킷런을 이용하는 것. = 사용법 = {| class="wikitable" |+ !의도 !설명 !방법 |- |모델...
== 개요 ==
의사결정 나무를 만드는 가장 간편한 방법은 사이킷런을 이용하는 것.
= 사용법 =
{| class="wikitable"
|+
!의도
!설명
!방법
|-
|모델 설정
|
|<syntaxhighlight lang="python">
from sklearn import tree
classfier = tree.DeisionTreeClassifier(max_depth = 3)
</syntaxhighlight>
|-
|모델 훈련
|
|<syntaxhighlight lang="python">
model = classifier.fit(X = 훈련데이터X, Y=훈련데이터Y)
</syntaxhighlight>
|-
|모델로 예측
|
|<syntaxhighlight lang="python">
pred = model.predict(검사할데이터X)
</syntaxhighlight>
|-
|모델 구조 살피기
|나무 모델이 어떤 식으로 만들어졌는지 시각화.
|<syntaxhighlight lang="python">
tree.plot_tree(model, # 살필 나무모델.
proportion=True, # 데이터가 분리된 비율 표시.
filled=True, # 색칠해서 데이터의 판단 확률을 시각화 할 수 있다.
)
</syntaxhighlight>
|}
[[분류:머신러닝 기법]]
의사결정 나무를 만드는 가장 간편한 방법은 사이킷런을 이용하는 것.
= 사용법 =
{| class="wikitable"
|+
!의도
!설명
!방법
|-
|모델 설정
|
|<syntaxhighlight lang="python">
from sklearn import tree
classfier = tree.DeisionTreeClassifier(max_depth = 3)
</syntaxhighlight>
|-
|모델 훈련
|
|<syntaxhighlight lang="python">
model = classifier.fit(X = 훈련데이터X, Y=훈련데이터Y)
</syntaxhighlight>
|-
|모델로 예측
|
|<syntaxhighlight lang="python">
pred = model.predict(검사할데이터X)
</syntaxhighlight>
|-
|모델 구조 살피기
|나무 모델이 어떤 식으로 만들어졌는지 시각화.
|<syntaxhighlight lang="python">
tree.plot_tree(model, # 살필 나무모델.
proportion=True, # 데이터가 분리된 비율 표시.
filled=True, # 색칠해서 데이터의 판단 확률을 시각화 할 수 있다.
)
</syntaxhighlight>
|}
[[분류:머신러닝 기법]]