🌳
Decision Tree
데이터를 분할하여 트리 구조로 의사결정 규칙을 만드는 지도학습 알고리즘
트리구조
지도학습
분류
회귀
주요 특징
트리 구조
데이터를 계층적으로 분할하여 의사결정 규칙을 시각화합니다.
해석 가능성
의사결정 과정을 쉽게 이해하고 설명할 수 있습니다.
범주형 데이터
범주형과 수치형 데이터를 모두 처리할 수 있습니다.
자동 특성 선택
정보 이득을 기반으로 중요한 특성을 자동으로 선택합니다.
과적합 위험
트리가 깊어질수록 과적합의 위험이 증가합니다.
다양한 태스크
분류와 회귀 문제 모두에 적용할 수 있습니다.
활용 분야
의료 및 생명과학
- ✓질병 진단
- ✓치료 방법 선택
- ✓약물 반응 예측
- ✓위험도 평가
금융 및 비즈니스
- ✓신용 평가
- ✓고객 세분화
- ✓투자 결정
- ✓리스크 관리
평가 정보
전문성: 7.5/10
정보 이득과 분할 기준에 대한 이해가 필요합니다.
학습난이도: 6.0/10
기본 개념은 직관적이지만 고급 기법은 복잡합니다.
사용편의성: 8.0/10
scikit-learn 등 라이브러리를 통해 쉽게 사용할 수 있습니다.
활용도: 7.5/10
해석 가능성이 중요한 분야에서 널리 활용됩니다.