9566

knn from sklearn.neighbors import KNeighborsClassifier model = KNeighborsClassifier(n_neighbors=4, metric='euclidean') knn 파라미터 algorithm = {‘auto’, ‘ball_tree’, ‘kd_tree’, ‘brute’}, default=’auto’ # 가장 가까운 이웃을 계산하는 데 사용되는 알고리즘: # Brute Force 최접근 이웃의 빠른 계산은 기계학습에서 활발한 리서치 분야이다. 가장 초보수준의 이웃 탐색 구현은 데이터셋 내 지점의 모든 쌍의 거리를 억지로(brute-force) 계산하는 것이다. 효율적인 brute-force 이웃 탐색은 작은 데이터 샘플에 대해서는 매우 경쟁력이 있다. ..

결정나무 from sklearn.tree import DecisionTreeClassifier model = DecisionTreeClassifier(random_state=1, max_depth=10) 결정나무 파라미터 # criterion={“gini”, “entropy”}, default=”gini” # splitter={“best”, “random”}, default=”best” # min_samples_split={int, float}, default=2 # 내부 노드를 분할하는 데 필요한 최소 샘플 수 # min_samples_leaf={int, float}, default=1 # 리프 노드에 있어야 하는 최소 샘플 수 # min_weight_fraction_leaf=float, default..