넘스탯
LEARN · SIMULATE · VERIFY
확률부터 LLM까지, 원리부터 제대로 배우는 자기주도 학습 플랫폼
확률부터 LLM까지, 원리부터 제대로 배우는 자기주도 학습 플랫폼
랜덤 포레스트는 서로 다른 데이터·특징 부분집합으로 학습한 여러 결정 트리의 예측을 투표·평균하는 배깅 앙상블이다.
이 내용은 넘스탯의 랜덤 포레스트 시뮬레이터에서 직접 실험으로 확인할 수 있습니다.
각 단계를 클릭하면 해당 학습 내용을 볼 수 있습니다
학습 진도 (완료한 단계)
0%
랜덤 포레스트는 여러 개의 결정 트리를 만들어서 모든 트리의 예측 결과를 종합하여 최종 답을 정하는 앙상블 방법입니다. 마치 여러 전문가의 의견을 모아서 최종 결정을 내리는 것과 같습니다.
병원에서 5명의 의사가 같은 환자를 진료한다고 가정해보세요. 각 의사는 서로 다른 검사 결과를 중심으로 진단하고, 3명이 '감기', 2명이 '독감'이라고 했다면 최종 진단은 '감기'가 됩니다. 이처럼 여러 의견을 종합하면 더 신뢰할 수 있는 결과를 얻을 수 있습니다.
정답: 개별 트리의 오류는 서로 다른 경향을 가지므로, 여러 예측을 평균내면 오류가 상쇄되어 전체적으로 더 정확한 결과를 얻을 수 있습니다. 이를 '집단 지성' 효과라고 합니다.
정답: 두 가지 랜덤성이 있습니다: 1) 각 트리를 훈련할 때 전체 데이터에서 무작위로 샘플을 선택(부트스트랩), 2) 각 노드에서 분할할 때 전체 특성 중 일부만 무작위로 선택합니다.
정답: 과적합을 효과적으로 방지하면서도 높은 예측 성능을 제공하고, 특성 중요도를 자동으로 계산할 수 있으며, 결측값과 이상치에 robust한 특성을 가집니다.