앞서 살펴본 의사결정트리는 직관적이고 해석이 쉬운 모델로, 분류와 회귀 문제 모두에 사용된다. 하지만, 트리의 깊이가 깊어지면 과적합 위험이 높아지고, 단일 트리로는 복잡한 데이터 패턴을 충분히 설명하지 못하는 경우도 있다. 이러한 단점을 보완하고 성능을 향상시키기 위해 사용되는 것이 바로 앙상블 학습(Ensemble Learning)이다.특히, 의사결정트리를 기반으로 여러 개의 트리를 조합하는 배깅(Bagging)과 부스팅(Boosting) 방식은 널리 사용되는 대표적인 기법입니다. 다음에서는 이 두 방식의 개념과 차이, 대표 알고리즘들에 대해 알아보자!앙상블 학습(Ensemble Learning)이란?여러 개의 약한 학습기(Weak Learner)를 결합하여 강한 모델(Strong Learner)을 ..
