각 화면에서 개념 그림을 먼저 보고, 바로 아래 연결된 기출문제를 풀어보세요.
| 구성요소 | 의미 |
|---|---|
| 뿌리마디(Root) | 시작되는 마디로 전체 자료 포함 |
| 중간마디(Internal) | 부모·자식마디가 모두 있는 마디 |
| 끝마디(Terminal) | 자식마디가 없는 마디 |
| 깊이(Depth) | 뿌리마디부터 끝마디까지 중간마디 수 |
의사결정나무는 데이터를 분류하거나 예측할 때 분기 기준을 사용하며, 가지 치기(pruning)를 통해 과적합을 방지한다. 지니 지수는 CART 알고리즘에서 불순도를 측정하는 기준으로 사용되므로 의사결정나무와 관련이 있다. 반면 "결정 정지"는 의사결정 과정을 멈추는 행위를 뜻하며, 이는 특정 알고리즘이나 프로세스에서 사용될 뿐 의사결정나무의 핵심 용어와는 관련이 적다.
| 기준값 | 선택 방식 |
|---|---|
| 카이제곱 통계량 p값 | p값이 가장 작은 예측변수와 그때의 최적분리로 자식마디 형성 |
| 지니 지수 | 지니 지수를 가장 많이 감소시켜주는 예측변수로 선택 |
| 엔트로피 지수 | 엔트로피 지수가 가장 작은 예측변수로 선택 |
불순도는 자료들의 범주가 한 그룹 안에 얼마나 섞여 있는지 나타내는 측도 — 하나의 범주로만 구성되어 있으면 불순도 값은 작고, 다양한 범주로 구성되면 불순도 값은 크다.
의사결정나무 모형은 지도학습 모형이 맞지만, 상향식이 아니라 하향식(top-down) 방식으로 데이터를 분류한다. 즉, 루트 노드에서 시작하여 리프 노드로 내려가는 방식이다. 나머지 선택지는 모델 성능 평가 도구, 가지치기의 정의, 활용 범위를 정확히 설명하고 있다.
가지치기는 의사결정나무의 과대적합을 방지하기 위해 불필요한 분기를 제거하는 작업이다. 정지 규칙은 의사결정 나무의 성장을 멈추는 규칙으로, 과대적합 방지에 일부 도움을 주나 가지치기보다 효과가 약할 수 있으며, 랜덤 포레스트는 앙상블 기법으로 과대적합 방지에 효과적이지만 단일 의사결정 나무에는 적용되지 않는다. 스테밍은 자연어 처리 분야에서 단어의 어간을 추출하는 기법으로 의사결정 나무와 관련이 없다.