의사결정 나무 편집하기 (부분)

==과정==
{| class="wikitable"
|-
!단계!!설명
|-
|의사결정 나무 형성||
분석 목적과 자료구조에 따라 적절하게 분리 규칙, 분리 기준 및 정지 규칙 지정
|-
|가지치기(Pruning)||분류오류(Classification Error) 유발 위험이 높거나 부적절한 규칙을 가지는 가지(Branch) 제거
|-
|타당성 평가||이익, 비용, 위험 등을 고려하여 모형을 평가하는 단계
|-
|해석 및 예측||해석 결과에 따라 분류 및 예측 모형 설정
|}

=== 의사결정 나무 형성 ===

* 분리 규칙(Splitting Rule)
* 분리 기준(Splitting Criterion)
** 이산형 목표 변수: 카이제곱 통계량의 p-값, 지니 지수, 엔트로피 지수 등
** 연속형 목표 변수: 분산 분석의 F-통계량, 분산의 감소량
* 정지 규칙(Stopping Rule): 더 이상 분기 되지 않고 끝마디가 되도록 하는 규칙
* 리프 노드당 최소 수(Minimum Number per Leaf): 리프가 가져야 하는 최소 샘플 수. 이 이하인 경우 분기되지 않는다.
** 최소 수가 너무 작은 경우: 트리가 많이 분기되므로 트리가 매우 깊어지고 과적합이 발생할 수 있다.
** 최소 수가 너무 큰 경우: 트리가 너무 분기되지 않아 과소적합(underfit)이 발생할 수 있다.

=== 가지치기 ===

* 에러 감소 가지치기(Reduced Error Pruning): 오류가 더 이상 줄어들지 않을 때 까지 반복
* 룰 포스트 가지치기(Rule Post Pruning): 정확도가 낮은 순서대로 제거
** [[과적합 문제]] 방지를 위해 사전(pre-pruning) 가지치기, 사후(post-pruning) 가지치기 수행

=== 타당성 평가 ===

* 이익 도표(Gains Chart)
* 위험 도표(Risk Chart)
* 검정 자료(Test Data)
* 교차 검증(Cross Validation)

=== 해석 및 예측 ===