결정 포레스트는 여러 결정 트리로 구성된 모델을 설명하는 일반적인 용어입니다. 결정 포레스트의 예측은 결정 트리의 예측을 집계한 것입니다. 이 집계의 구현은 결정 포레스트 학습에 사용된 알고리즘에 따라 다릅니다. 예를 들어 다중 클래스 분류 랜덤 포레스트 (결정 포레스트의 한 유형)에서 각 트리는 단일 클래스에 투표하며 랜덤 포레스트 예측은 가장 많이 표시되는 클래스입니다. 이진 분류 그래디언트 부스트 트리 (GBT)(다른 유형의 결정 포레스트)에서 각 트리는 로짓 (부동 소수점 값)을 출력하고 그래디언트 부스트 트리 예측은 이러한 값의 합계에 활성화 함수 (예: 시그모이드)를 적용한 값입니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["필요한 정보가 없음","missingTheInformationINeed","thumb-down"],["너무 복잡함/단계 수가 너무 많음","tooComplicatedTooManySteps","thumb-down"],["오래됨","outOfDate","thumb-down"],["번역 문제","translationIssue","thumb-down"],["샘플/코드 문제","samplesCodeIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-02-25(UTC)"],[[["Decision forests encompass models composed of multiple decision trees, with predictions derived from aggregating individual tree predictions."],["Prediction aggregation methods vary depending on the specific decision forest algorithm employed, such as voting in random forests or logit summation in gradient boosted trees."],["Random forests and gradient boosted trees are two primary examples of decision forest algorithms, each utilizing a unique approach to prediction aggregation."],["Upcoming chapters will delve deeper into the workings of random forests and gradient boosted trees."]]],[]]
