부트스트래핑
원본데이터 갯수가 n개이면
n_estimators=10이라고 하면, 부트스트래핑을 하면 중첩을 허용하여 n개씩 10개의 데이터 서브세트가 만들어지는건가요?
그렇다면, 213쪽에 "10000개의 데이터를 10개의 분류기가 배깅방식으로 나누더라도 각 1000개의 데이터 내에는 중복된 데이터가 있다"고 나와있는데 1000개씩 10개의 데이터 서브세트가 만들어지는게 아니라, 10000개씩 10개의 데이터 서브세트가 만들어지는것이 아닌가요?
답변 4
1
먼저 올린 답을 다시 수정드립니다.
머신러닝 scikit learn에서는 배깅 방식(가령 Random Forest)을 적용할 때 개별 estimator가 학습 하는 데이터 셋의 갯수가 전체 데이터 갯수/estimator의 갯수가 아니라 max_samples로 설정이 가능합니다.
max_samples 값을 설정하지 않으면 전체 데이터 건수로 개별 estimator를 학습합니다.
따라서 10000개의 전체 데이터의 10개의 estimator가 있다면 개별 estimator가 학습하는 데이터 건수는 가변적입니다.
아래 문서의 max_samples 파라미터 설명을 참조 부탁드립니다.
https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html
0
그러면 218페이지에는 10개의 학습 데이터 세트를 n_estimators=3으로 부트스트래핑을 할 때, 그림에서는 3개의 서브세트에 각각 10개의 데이터가 들어있는데, 그림이 잘못나온건가요?
0
안녕하십니까,
bootstrapping은 원래 통계학에서 사용됩니다.
모집단의 확률 분포등의 특성을 모를 때 모집단의 일부 집합을 중복을 고려해서 추출하여 평균등을 계산하여 모집단의 특성을 파악하는 기법입니다.
이를 머신러닝에 응용을 한것이고, 모집단 전체가 아닌 일반 집합의 sampling을 중복을 고려해서 여러번 데이터를 추출합니다. 보통은 n_estimators=10이면 전체 sample이 10,000이면 10,000/10 개씩 중복을 고려하여 추출한 뒤 이들을 기반으로 학습 및 예측을 수행합니다.
설 연휴 잘 보내십시요.
안녕하세요 열심히 수강중인 학생입니다
0
58
2
정수 인덱싱
0
65
2
넘파이 오류
0
83
2
11강 numpy의 axis 축 질문 드립니다.
0
84
2
Kaggle 에서 Santander customer satisfaction data 를 다운로드 되지가 않습니다.
0
76
2
Feature importances 를 보여주는 barplot 이 그래프로 안보여져요.
0
68
2
타이타닉 csv 파일이 주피터 화면에 보이지 않습니다.
0
73
2
타이타닉 csv 파일이 주피터 화면에 보이지 않습니다.
0
62
2
5강 강의 오류가 있어요.
0
81
1
실무에서 LTV 관련 모델 선택 질문입니다!
0
71
2
14강 강의 듣는중에 궁금한게 있어서 질문합니다~
0
67
3
파이썬 다운그레이 후 사이킷런 재설치
0
115
2
좋은 강의 감사합니다.
0
70
2
scoring 함수 음수값
0
66
2
6번 강의에 사이킷런, 파이썬, 아나콘다 각각 버전 일치 안 시키고 진행해도 강의 따라가 지나요?
0
98
2
분류 평가 정확도 예측
0
75
2
안녕하세요. 강의 들으면서 업무에 적용하고 싶은 수강생입니다.
0
96
1
카카오톡 채널 있나요
0
104
1
혹시 강의에서 사용하시는 ppt 받을 수 있는건가요
0
187
2
pca 스케일링 관련하여 질문드립니다.
0
100
2
주피터 대신 구글 코랩
0
169
2
강의에서 사용하는 pdf or ppt자료는 따로 없는 건가요?
0
145
2
실루엣 스코어..
0
82
2
float64 null 값 처리 방법
0
99
2