데이터 분석 및 전처리 방법론 시각화 포스터

1. Decision Tree

Decision Tree는 데이터 분석 및 기계 학습에서 널리 사용되는 모델로, 분류 및 회귀 문제를 해결하는 데 효과적이다. 이 모델은 사람이 의사 결정을 내리는 과정을 나무 구조로 시각화하여 직관적으로 이해할 수 있도록 돕는다. 각각의 내부 노드는 특정 속성에 대한 질문을 나타내고, 노드의 각 가지는 질문에 대한 가능한 답변을 나타내며, 리프 노드는 최종 결정을 나타내는 결과 값을 지닌다. 이런 구조 덕분에 Decision Tree는 데이터의 패턴과 관계를 쉽게 파악하고 설명할 수 있는 장점이 있다. Decision Tree의 가장 큰 장점 중 하나는 해석 가능성이다. 많은 기계 학습 모델은 복잡한 수학적 방정식을 기반으로 작동하여 결과를 해석하기 어려운 경우가 많지만, Decision Tree는 간단한 조건문으로 구성되어 있어 의사 결정 과정을 쉽게 이해할 수 있다. 이는 비전문가도 결과를 시각적으로 파악하고, 모델이 어떻게 작동하는지를 설명하는 데 유용하다. 또한, 다양한 데이터 형식을 지원하여 연속형 변수와 범주형 변수를 모두 처리할 수 있다. 하지만 Decision Tree는 과적합(overfitting)의 위험이 있다. 데이터가 불균형하거나 노이즈가 포…