決定木(Decision Tree)とランダムフォレスト(Random Forest)について。 【目次】 決定木(Decision Tree) 情報利得(Information gain) 不純度(Impurity Criterion) 分析例 決定木の応用 ランダムフォレスト(Random Forest) ランダムフォレストの流れ wineデータを使った分析例 参考 決定木(Decision Tree) 分類問題、回帰問題の両方に対応でき、それぞれ「分類木」「回帰木」と呼ばれる。 決定木は、分割前後の不純度の差(情報利得)が最大になるように学習する。 Python 基本コード from s…