<div id="readability-page-1" class="page"><div id="post-4476">
        <h2>개요</h2>
<p><a href="https://www.youtube.com/watch?v=1OEeguDBsLU">Ensemble Learning</a> 자료를 보고 정리해둔다.</p>
<h2>내용 정리</h2>
<ul>
<li>만능의 최적의 알고리즘이 존재하는가?
<ul>
<li>모든 데이터에 대한 만능 알고리즘은 존재하지 X, 공짜 점심은 없음</li>
<li>모든 알고리즘이 최소 2개 이상의 데이터셋에서 best 성능을 나타냄</li>
<li>특정 데이터에 알고리즘이 특화되어 있다면 특정 패턴 인식 문제에 최적화 된것으로 볼 수 있음</li>
</ul>
</li>
</ul>
<p><img src="https://s3.us-west-2.amazonaws.com/secure.notion-static.com/ea943aae-3710-495f-83fb-469606107ce2/Untitled.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&amp;X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&amp;X-Amz-Credential=AKIAT73L2G45EIPT3X45%2F20230111%2Fus-west-2%2Fs3%2Faws4_request&amp;X-Amz-Date=20230111T003715Z&amp;X-Amz-Expires=86400&amp;X-Amz-Signature=ff85bd8f89558e14e64d94c91e7b40fa633a1cbbfbf7563a34df5d4f0d714479&amp;X-Amz-SignedHeaders=host&amp;response-content-disposition=filename%3D%22Untitled.png%22&amp;x-id=GetObject" alt="Untitled"></p>
<ul>
<li>결론 : 하나의 알고리즘보다 다양한 알고리즘을 알고 있는게 여러 분류문제를 푸는데 더 안전한 방법이라는 것</li>
<li>그러나 적절한 앙상블일 경우 개별 알고리즘 보다 성능이 나아짐을 확인</li>
</ul>
<p><img src="https://s3.us-west-2.amazonaws.com/secure.notion-static.com/e677eb39-0702-416b-81d3-c7ebe528f4ae/Untitled.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&amp;X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&amp;X-Amz-Credential=AKIAT73L2G45EIPT3X45%2F20230111%2Fus-west-2%2Fs3%2Faws4_request&amp;X-Amz-Date=20230111T003732Z&amp;X-Amz-Expires=86400&amp;X-Amz-Signature=0bfc5d8c1a941cac1870d413071b1030ebb24ca7ceabfe112e79cb70fad7c1a1&amp;X-Amz-SignedHeaders=host&amp;response-content-disposition=filename%3D%22Untitled.png%22&amp;x-id=GetObject" alt="Untitled"></p>
<ul>
<li>sing vs ensemble algorithms for 23 datasets</li>
<li>일반 대비 C4.5로 표시된 앙상블의 성능이 더 낫다.</li>
</ul>
<p><img src="https://s3.us-west-2.amazonaws.com/secure.notion-static.com/bb4fdccc-3a55-4c72-ab39-38a7526abb90/Untitled.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&amp;X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&amp;X-Amz-Credential=AKIAT73L2G45EIPT3X45%2F20230111%2Fus-west-2%2Fs3%2Faws4_request&amp;X-Amz-Date=20230111T003745Z&amp;X-Amz-Expires=86400&amp;X-Amz-Signature=1c2259e9b026db9b136877f69ccc778296d2875606052a6b6175642b79b17d6f&amp;X-Amz-SignedHeaders=host&amp;response-content-disposition=filename%3D%22Untitled.png%22&amp;x-id=GetObject" alt="Untitled"></p>
<ul>
<li>MEAN으로 표시된 앙상블 성능이 단일모델 대비 더 우수함</li>
</ul>
<p><img src="https://s3.us-west-2.amazonaws.com/secure.notion-static.com/936bfb74-93db-40bf-bf9a-6eb3b7a9fd91/Untitled.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&amp;X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&amp;X-Amz-Credential=AKIAT73L2G45EIPT3X45%2F20230111%2Fus-west-2%2Fs3%2Faws4_request&amp;X-Amz-Date=20230111T003759Z&amp;X-Amz-Expires=86400&amp;X-Amz-Signature=e5438544d067c34814eb5c607fcbf7ece4a9ce1177ff30659f92512c5ede9966&amp;X-Amz-SignedHeaders=host&amp;response-content-disposition=filename%3D%22Untitled.png%22&amp;x-id=GetObject" alt="Untitled"></p>
<ul>
<li>공짜 점심 이론
<ul>
<li>어떤 알고리즘도 모든 상황에서 다른 알고리즘 보다 우월하다고 말할 수 없다</li>
<li>문제의 목적, 데이터의 형태 등을 종합하여 최적의 알고리즘을 선택할 필요가 있음</li>
<li>179개 알고리즘을 121개 데이터셋으로 실험했을때 독보적인 단일 알고리즘은 없었음
<ul>
<li>Do We Need Hundreds of Classifiers to Solve Real World Classification Problems?</li>
</ul>
</li>
</ul>
</li>
<li>현실세계의 문제를 푼다고 하더라도 알고리즘 수가 많았을때 단일 모델 대비 성능 향상을 확인 할 수 있었음<br>
<img src="https://s3.us-west-2.amazonaws.com/secure.notion-static.com/da3e64a0-6c0b-492b-8b10-9f6b7cc81bb9/Untitled.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&amp;X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&amp;X-Amz-Credential=AKIAT73L2G45EIPT3X45%2F20230111%2Fus-west-2%2Fs3%2Faws4_request&amp;X-Amz-Date=20230111T003810Z&amp;X-Amz-Expires=86400&amp;X-Amz-Signature=8ca6bdaad4ab11f73c5810a936231fd81a6037c385ce47757e8ee2481097d5a8&amp;X-Amz-SignedHeaders=host&amp;response-content-disposition=filename%3D%22Untitled.png%22&amp;x-id=GetObject" alt=""></li>
</ul>
 
    </div></div>

KWANGSIK LEE’s log

개요 Ensemble Learning 자료를 보고 정리해둔다. 내용 정리 만능의 최적의 알고리즘이 존재하는가? 모든 데이터에 대한 만능 알고리즘은 존재하지 X, 공짜 점심은 없음 모든 알고리즘이 최소 2개 이상의 데이터셋에서 best 성능을 나타냄 특정 데이터에 알고리즘이 특화되어 있다면 특정 패턴 인식 문제에 최적화 된것으로 볼 수 있음 결론 : 하나의 알고리즘보다 다양한 알고리즘을 알고 있는게 여러 분류문제를 […]

[내용정리] Ensemble Learning

댓글