[핵심 머신러닝 ] 의사결정나무모델 2 (분류나무, Information Gain)

의사결정나무모델 중에 분류나무모델에 대해서 설명하고 Information Gain에 대해서 설명을 한다.

[@user-vh6xd1sc3d]

교수님도 역시 사람이었어요. ㅎㅎㅎㅎ 코뿔소 아니고 하마~~~^^ 오늘도 재밌게 잘듣고 있습니다.

[@user-yu5qs4ct2b]

ㅎㅎㅎ 감사합니다~

[@user-ol9nl3pq4w]

오늘도 강의 잘들었습니다. 감사합니다.

[@user-yu5qs4ct2b]

감사합니다.

[@MZ-pj4eq]

교수님, 감사합니다!!

[@user-qv3yc3vx9g]

교수님 감사합니다.

[@user-yu5qs4ct2b]

감사합니다~

[@DaeHwanKimHello]

양질의 강의 감사드립니다.

[@user-yu5qs4ct2b]

감사합니다!

[@ananthshankar8353]

Hi. Can you please provide English subtitles ? Excellent content for me to learn from

[@user-it5hi6si1o]

교수님, 좋은 자료 감사합니다. 10분대에 한가지 질문이 있는데요, K개의 클래스로 가정하고 p hat을 정의하는 식에서 I(y_i=k) 로 표시된 부분이 이해가 잘 가지 않는 듯 합니다. 1부터 k까지의 class를 다른 iteration에 해당하는 변수로 표현해야 하지 않나 하는 생각이 듭니다 그냥 k 로 표현하면 클래스의 개수인 k가 대응되고, 그것은 식에 따라 달라지지 않을 상수가 아닌가 하는 의문이 듭니다. 시간이 되실 떄 답변 부탁드립니다.

[@user-mj3qg7ck3q]

ppt맨 마지막에 bias는 margin(y-y^) 을 표현하신건가요??

[@minjungkim3144]

의사결정나무 불순도를 측정할때 어떤이유로 카이제곱 통계량을 사용할 수 있는지 궁금합니다.

[@albertlee5312]

감사합니다 교수님! Natural Log가 사용된 Slide도 있었고 Log Base 2 가 사용된 Slide도 있었는데 어떻게 구분이 되는 것인지 질문 드립니다. 감사합니다.

[@user-yu5qs4ct2b]

계산상 편리한 Log Base를 사용하면 됩니다. 큰 차이는 없습니다.