데이터 분석 및 전처리 방법론 시각화 포스터

소개글

"데이터 분석 및 전처리 방법론 시각화 포스터"에 대한 내용입니다.

목차

1. Decision Tree
2. Random Forest
3. K-Nearest Neighbor
4. Hierarchical K-means
5. 최종 정리

본문내용

Decision Tree
상황: 변수를 있는 그대로 사용할 경우 유의미한 모델링 작업을 할 수가 없는 상황이다.
아이디어: Uclidean distance와 다른 Tree distance를 사용해 dependent variable에 유의미한 영향을 끼치는 변수의 구간을 dummification으로 추출한다.

Random Forest
상황: Decision Tree에서 더 나아가 어떤 데이터에서든 일정한 performance를 내는 변수 혹은 변수의 구간을 추출하고 싶다.
아이디어: Random Forest를 통해 dependent variable에 유의미한 영향을 주는 변수를 추출하고 그 변수에 대한 Decision Tree를 적용함으로써 유의미한 구간 추출.

K-Nearest Neighbor
상황: 데이터의 차원 및 noise가 많아 K-NN을 적용해 데이터를 grouping하기 힘든 상황이다.

참고 자료

없음