Caramel LabCaramel Lab
#

랜덤포레스트

2편의 한국어 분석 — 최신순으로 정렬했어요

생물학발표 2026.08· 0

약용 식물 다당류의 항산화 관계 규명

산화 스트레스는 다양한 질병의 병인에 기여하며, 약용 식물 다당류(MPPs)는 유망한 천연 항산화제입니다. 그러나 MPPs의 상당한 구조적 이질성으로 인해 신뢰할 수 있는 구조-활성 관계(SAR)를 확립하기 어려워 합리적인 선별 및 개발에 한계가 있습니다. 본 연구는 MPPs의 항산화 활성을 예측하기 위한 다중 알고리즘 데이터 기반 정량적 구조-활성 관계(QSAR) 프레임워크를 구축하는 것을 목표로 했습니다. 문헌 기반 데이터셋을 수집, 표준화 및 통합하여 다당류 분자량(MW)과 항산화 활성 간의 관계를 다중 선형 회귀(MLR),…

컴퓨터 과학발표 2025.11· 21최근 1년 21회

얕은 의사결정나무로 랜덤 포레스트 및 XGBoost 설명

기계 학습 모델의 투명성은 해석 가능한 모델과 설명 가능한 결과를 촉진하는 중요한 비기능적 요구사항입니다. 그러나 선형, 규칙 기반, 의사결정나무와 같은 해석 가능한 분류 모델은 딥러닝이나 앙상블 방법론과 같은 더 정확하지만 복잡한 학습 패러다임에 의해 성능이 저해되는 경향이 있습니다. 특히 표 형식 데이터 분류에서는 랜덤 포레스트나 XGBoost 같은 트리 앙상블 기반 모델이 딥러닝 모델과 비교하여 여전히 경쟁력이 있으며 종종 선호되지만, 학습된 모델의 복잡성으로 인해 예측 설명 가능성 문제가 발생합니다. 기존 해결책은 특성 중…

연구 트렌드로 돌아가기