결정트리 지룸ㄴ

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.

질문있습니다.

안녕하세요 수강생님! 1. MSE와 RMSE의 차이는 루트를 씌움으로써 차이가 발생합니다. 만약 10,000의 error를 보였다면, RMSE의 경우 100의 error인 것입니다. MSE에서 1~10,000의 에러 값들이 RMSE에서는 1~100으로 그 차이가 좁혀진다고 보시면 될 것 같습니다. 2. 2를 나누는 것은 단순한 수학적인 트릭입니다. 추후 이러한 MSE등을 미분한 값이 많이 쓰이는데, 이 경우 지수 2가 내려와 분모2와 약분되게 됩니다. 3. MAE는 제곱항이 아니기 때문에 위와 같은 트릭이 의미가 없기 때문입니다.

그래프를 그리는 seaborn

안녕하세요 수강생님! 조그만 점 부분이 의미하는 것은, 통계적으로 기준치 이상으로 많이 벗어난 outlier 부분을 나타내는 것입니다. 해당 데이터의 경우, 대부분이 위치한 곳에서 멀리 떨어져 있기 때문에, 별도로 표기하였다고 이해하시면 좋을 것 같습니다 :)