결정 트리 모델은 균일도의 기반해서 어떤 속성을 규칙 조건으로 선택하느냐가
중요한 요건 중 하나임.
몇 가지의 feature가 명확한 규칙 트리를 만드는 기여함.
▶ 이걸로 모델이 간결하고 outlier에 강한 모델을 만들 수 있음.
그래서 feature의 중요한 역할 지표를 확인해볼 수 있는데
: DecisionTreeClassifier 객체의 feature_importances_ 속성으로 확인할 수 있음.
petal length가 가장 중요도가 높은 피쳐이고 (수치는 0.555)
sepal width이 0으로 가장 중요도가 낮은 피쳐이다.
이전에 올렸던 graphviz와 중요한 피처 지표를 활용한다면
알고리즘이 어떻게 동작하는지 직관적으로 이해하기 쉽다 ✅
'머신러닝 > 개념익히기' 카테고리의 다른 글
ML AdaBoost, GBM(Gradient Boosting Machine) (5) | 2023.12.20 |
---|---|
ML 결정 트리 과적합 Overfitting (2) | 2023.11.29 |
ML 결정 트리 모델 시각화 Graphviz (2) | 2023.11.28 |
ML 데이터 전처리, Data preprocessing 정의 (0) | 2023.11.26 |
ML XGBoost 하이퍼파라미터 조정 (0) | 2023.11.19 |