인프런 커뮤니티 질문&답변
작성한 질문수
결정트리 지룸ㄴ
작성
·
224
0
개별 Feature들을 개별적으로 판단하므로 Feature Normalization이 필요 없다.
라고 말씀해 주셨는데 해당 부분에 대하여 조금만 더 설명을 부탁드릴 수 있을까요?
예를들어 키와 몸무게의 Feature가 있다고 할 때, normalization을 하는게 더 이득이 아닌가 싶어 질문드리고 싶습니다.
퀴즈
결정 트리(Decision Tree) 알고리즘의 주요 장점은 무엇인가요?
데이터의 작은 변화에도 모델 성능이 안정적이다.
입력 특성의 스케일링 또는 정규화가 반드시 필요하다.
모델의 예측 과정이 직관적으로 이해하기 쉽다.
과대적합(Overfitting) 문제가 전혀 발생하지 않는다.
답변 1
1
Daniel Park
지식공유자
안녕하세요 수강생님!
결정트리에서는 여러 Feature들을 동시에 함께 보지 않습니다
키와 소득으로 예를 들어보겠습니다.
키의 단위는 대략 150~190 cm 이고, 소득의 단위는 1,000,000 ~ 1,000,000,000 원이라고 가정해보겠습니다.
Dicision Tree에서는 이러한 각 feature들을 별도로 다루게됩니다.
즉, 어떠한 학습을 수행할 때 '키의 경우는 168cm에서 나누어야겠다'
'소득의 경우에는 35,000,000원 부근에서 나누어야겠다'
이러한 식으로 각각 판단이 일어나게 됩니다.
따라서 여러 Feature들을 동시에 고려할때는 꼭 필요한 Scale을 맞추는 normalization 과정을 굳이 하지 않아도 되는 것입니다.