Machine learningMachine learning
정규화된 결정 트리
정규화된 결정 트리(regularized decision tree)는 과적합(overfitting)을 방지하기 위해 가지치기(pruning), 깊이 제한 또는 페널티 항을 통해 의도적으로 복잡성을 제한하는 결정 트리 모델이다. Breiman 등의 CART 프레임워크(1984)에 뿌리를 둔 정규화는 탐욕적 트리 성장 절차를 편향-분산 트레이드오프(bias-variance tradeoff)로 전환하여 완전히 성장된 트리보다 보지 못한 데이터에 더 잘 일반화되는 모델을 생성한다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and Regression Trees. Wadsworth. ISBN: 978-0-412-04841-8
- Esposito, F., Malerba, D., & Semeraro, G. (1997). A comparative analysis of methods for pruning decision trees. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(5), 476–491. DOI: 10.1109/34.589207 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Regularized Decision Tree (Pruned and Constrained CART). ScholarGate. https://scholargate.app/ko/machine-learning/regularized-decision-tree
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 부스팅머신러닝↔ compare
- 결정 트리머신러닝↔ compare
- 엑스트라 트리 (Extra Trees)머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 정규화 선형 회귀머신러닝↔ compare
- Regularized Random Forest머신러닝↔ compare