한빛미디어

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

장점

1.     Overfitting을 최소화 하는 방법 중 하나인 앙상블 기법의 본질을 이해할 수 있으며 머신러닝 기법중 하나인 의사결정트리로 부터 트리 구조의 장단점을 알 수 있으며 단점인 부분은 Boosting과 Bagging을 적용하여 성능 향상방법 및 원리를 쉽게 이해할 수 있음

2.     머신러닝 파이프 라인 순서대로 진행하여 데이터 랭글링(수집,정재,분석,조작)하는 방법과 모델의 하이퍼 파라미터를 조절하여 교차 검증과 혼돈행렬을 통해 성능비교 하는 방법을 알 수 있음

3.     XGBoost의 원리를 통해 손실함수로 부터 분류와 회귀의 원리를 알 수 있으며 규제 함수를 통해 데이터의 일반화 방법을 알 수 있다.

단점

1.     없음

후기

1.     캐글에서 자주 사용하는 XGBoost를 써보면서 성능도 성능이지만 결측치를 무시하면서 최적의 학습하면서 속도와 성능을 둘 다 잡아 테이블 데이터로부터 분류나 회귀를 구할 모델로 가장 이상적이라고 생각한다.