의사결정나무 요약
분야
hwp2. 의사결정나무의 구성요소
3. 의사결정나무의 원리 및 분석 방법
4. 의사결정나무 알고리즘의 종류
5. 의사결정나무의 장점과 단점
의사결정나무는 의사결정규칙을 나무구조의 모형을 만들어 하나의 대상을 몇 개의 소집단으로 구분하는 분류 또는 예측을 수행하는 분석방법으로써 적용결과에 의해 if-then 으로 표현되는 규칙을 생성한다. 다른 Data mining 기법들에 비해 분석과정이 나무구조로 표현되기 때문에 쉽게 이해하고 설명되어질 수 있다. 의사결정나무는 탐색과 모형화의 두 가지 특성을 모두 가지는데 탐색은 판별분석 또는 회귀분석 등과 같은 모수적 분석 모형을 적용하기 위해, 사전에 이상치를 검색하거나 분석에 필요한 변수 또는 모형에 포함되어야 할 교호효과를 찾아내는데 사용되며, 모형화는 자체로 분류 또는 예측 모형으로 사용된다.
2. 의사결정나무의 구성요소
의사결정 나무는 하나의 나무구조를 이루고 있으며 이는 마디(node)라고 불리는 구성요소들로 이루어져 있다. 마디는 그 기능에 따라서 다음과 같이 분류할 수 있다.
• 뿌리마디(Root node): 나무구조의 상단에 위치하는 마디이다. 즉, 나무구조의 시작되는 마디로 전체자료로 이루어져 있다.
