[TIL] 김민채_201019

### Today I Learn_31

**1. decision trees model**
- a.k.a 결정 트리. 보다 직관적이라는 장점
- root node를 어떤 것으로 두냐에 따라 데이터 분할이 달라진다.
- 결국 feature impurity가 낮은 '분기점'을 찾아내는 게 핵심.
- 다만, 분기점이 많아지다보면 훈련 데이터에 과적합하게 되어 주의해야 한다.
- 과적합 해결 방법 -> max_depth, min_samples_split/leaf
- 특성 간 상호작용은 애초에 배제하기 때문에 regression처럼 데이터 해석에 문제가 발생하지 않는다.
- 선형, 비선형, numerical data, categorical data, 단조, 비단조 등 모두에 적합하다.(장점)

**2. Impression from today**
- 저번 주의 linear regression models 보다는 직관적이라 그런지 좀 더 이해가 빨리 됐다.(상대적으로..)
- 그러나, 막상 과제를 해보니 feature engineering부터 막혔다. (얼마나 feature engineering이 중요한지 새삼 깨달음.)
- 저번 주에 밍기적거리느라 blogging도 하다 말아서 이중으로 과제가 쌓였다.
- 정신차리자.
- 그런데 오전만 지나도 너무 피곤해서 방도를 찾아야겠다.