or
이 연습은 강의의 일부입니다
여러분이 만든 모델 중 어떤 것이 문제에 가장 잘 맞는지 고민하고 계신가요? 그 고민은 이제 그만하시고, 대신 전부 활용해 보세요! 이 장에서는 "Voting"과 "Averaging"을 사용해 여러 모델을 하나로 결합하는 방법을 배웁니다. 이를 활용해 Google Play 스토어 앱 평점 예측, 포켓몬이 전설 포켓몬인지 여부, 그리고 왕좌의 게임에서 어떤 캐릭터가 죽을지까지 예측해 볼 거예요!
Bagging은 랜덤 포레스트와 같은 강력한 Machine Learning 알고리즘의 기반이 되는 앙상블 방법입니다. 이 장에서는 해당 기법의 이론을 배우고, scikit-learn으로 직접 bagging 모델을 만들어 봅니다.
Boosting은 AdaBoost처럼 수상 경력이 있는 모델들을 포함하는 앙상블 학습 기법의 한 종류입니다. 이 장에서는 이 수상 경력 모델을 배우고, 이를 사용해 수상한 영화들의 매출을 예측해 봅니다! 또한 CatBoost와 XGBoost 같은 gradient boosting 알고리즘도 학습합니다.
현재 연습
이제 쌓아 올리는 힘을 확인해 볼 시간이에요! 마지막 장에서는 stacking 앙상블 방법을 배웁니다. scikit-learn과 mlxtend 라이브러리를 사용해 구현하는 방법을 익혀요! North America 버섯의 식용 가능성을 예측해 보고, 더 발전된 접근 방식으로 Google 앱의 평점 예측도 다시 시도해 봅니다.