랜덤 포레스트(Random Forest)

I. 의사결정트리를 앙상블 기법으로 학습, 랜덤 포레스트의 개요

가. 랜덤 포레스트(Random Forest)의 정의

   - 머신러닝 기법 중에 하나이며, 다수의 의사결정 트리로부터 분류 혹은 회귀 등에서 사용되는 앙상블 학습 방법

---

II. 랜덤 포레스트의 개념도 및 알고리즘

가. 랜덤 포레스트의 개념도

- Out-Of-Bag(OOB): 부트스트랩 샘플링 과정에서 추출되지 않은 관측치, 주로 평가용 데이터에서의 오분류율을 예측하는 용도 및 변수 중요도를 추정하는 용도

나. 랜덤 포레스트의 알고리즘

알고리즘	설명
N개의 bootstrap sample 생성	- 부트스트랩을 통해 N개의 훈련 데이터 집합을 생성
임의의 bootstrap sample과 변수로 N개의 tree 생성	- N개의 기초 분류기(트리)들을 훈련
각각의 앙상블로부터 train classifier 생성	- N개의 분류기(트리)들을 생성
예측 결과를 투표방식(voting)으로 선택	- 평균 또는 과반수 투표 방식 이용

- 부트스트랩(bootstrap): 주어진 훈련데이터에서 중복을 허용하여 원래 데이터와 같은 크기의 데이터를 만드는 과정

---

III. 랜덤 포레스트의 응용사례

사례	설명
키넥트에서의 신체 트랙킹	- 엑스박스 365에서 사용되는 모션 캡처 주변기기인 키넥트에서는 랜덤 포레스트를 이용하여 주어진 입력에서 신체의 각 부분을 분류
컴퓨터 단층 촬영 영상 내 해부학 구조 검출 및 위치파악	- 3차원 컴퓨터 단층 촬영영상 내에서 주어진 복셀에 대해 해당 되는 해부학 구조가 어디인지 검출, 해당위치 파악방법 제안

- 주어진 문제에 대학 적합성을 먼저 검토한 뒤 방법을 적용