가장 쉬운 랜덤 포레스트 (Random forest)
Post
원문 보기 →가장 쉬운 랜덤 포레스트 (Random forest)
가장 쉬운 랜덤 포레스트 (Random forest)scikit-learn에서 제공하는 다양한 분류, 회귀 방법들이 있다. 확장성 있는 방법으로서 결정 나무(decision tree)를 사용하는 방법이 독특하다. 일종의 '스무고개'라고 볼 수 있다. 나아가, 나무를 여러 개 사용하는 방법이 개발되어 있다. bootstrap aggregating(bagging)이라는 방법의 하나로 random forest가 있다. 이것은 bootstraping을 사용한다. 즉, 중복을 허용하는 resampling을 시도한다. 따라서, 우리는 다수의 결정 나무들을 가지게 된다. 이를 숲이라고 한다. 임의로 resampling을 했기 때문에 random forest라고 이름을 붙였다. 다시 말해서 기존의 주어진 데이터를 분해해서
Related Posts
3 posts파이썬 3.11.0
파이썬 3.11.0 파이썬 3.11.0 버전 공개...속도 및 편의성 향상 (naver.com)Python Release Python 3.11.0 | Python.orgPython 3.11 Performance Benchmarks Show Huge Improvement - Phoronix 보다 쉬운 오류찾기조금 더 빨라진 파이썬 파이썬 언어는, 누가 평가하더라도, 최고 인기 컴퓨터 언어가 되었다.인공지능의 인기 때문에 사실상 강제로 최고 인기 프로그램으로 등극했다. 우리는 이 컴퓨터 언어의 특징을 잘 이해해야한다. 실제로 사용해보면 쉽게 들어가서 쉽게 사용할 수 있는 언어이다. 하지만, 계속해서 연습을 해야만하는 언어이다. 기본에서 변형된 형식들이 다수 존재한다. 전문가들의 서비스 정신을 제대로 잘
openCV super-resolution
OpenCV super-resolution Super Resolution in OpenCV (learnopencv.com) EDSR Super-resolution benchmarking ---------------------------------------------------------------------------------------------------------------------import cv2import matplotlib.pyplot as plt img1 = img.imread( ''C:/Users/Inho Lee/testAI/data/denoising2/2021.08.09/line/Line 50x_001.tif'')# img1=img1[0:target_height,0:tar
가장 쉬운 autoencoder(자동암호기)를 이용한 차원 축소
가장 쉬운 autoencoder(자동암호기)를 이용한 차원 축소https://en.wikipedia.org/wiki/Autoencoder 자동암호기 (autoencoder, AE)의 용도:data denoisingdimensionality reductionimage recognition anomaly detection semantic segmentationrecommendation engines If linear activations are used, or only a single sigmoid hidden layer, then the optimal solution to an autoencoder is strongly related to principal component analysis (PCA).
