# graphviz
[머신러닝] Decision Tree
Decision Tree(의사결정나무)란? >ML 알고리즘 중 직관적으로 이해하기 쉬운 알고리즘 데이터를 여러 등급으로 분류 하는 지도 학습 방법 중 하나 데이터에 있는 규칙을 학습을 통해 자동으로 찾아 Tree 기반의 분류 규칙을 만듦 데이터를 어떤 기준을 가지고 규칙을 만들어야 가장 효율적인 분류가 될 것인가가 성능을 좌우함 >> * 트리의 구조 규칙 노드(Decision Node): 규칙 조건 리프 노드(Leaf Node): 결정된 클래스 값 서브 트리(Sub Tree): 새로운 규칙 조건마다 규칙 노드 기반의 서브 트리 생성 Decision Tree의 특징 
PlantUML-MacOS-IntelliJ
https://plantuml.com/ko/graphviz-dot Installation under Mac > You can easily install GraphViz by installing brew on your Mac machine. This could fix issues if you have installed GraphViz as .dmg package. > > By default, the dot executable is expected: > - Firstly in: /usr/local/bin/dot > - Then in: /usr/bin/dot > > You can also specify the environment variable GRAPHVIZ_DOT > to set the exact location of your GraphViz executable. Jetbrains Plugin Install PlantUML Plugin 
분류 - 결정 트리
결정 트리(Decision Tree)란? 결정트리는 데이터에 있는 규칙을 학습을 통해 자동으로 찾아내 트리(Tree) 기반의 분류 규칙을 만든다. 일반적으로 쉽게 표현하는 방법은 if/else 로 스무고개 게임을 한다고 생각하면 된다. 아래 그림에서 다이아몬드 모양은 규칙 노드를, 타원형은 리프 노드를 뜻한다. 데이터 세트에 피처가 있고 이러한 피처가 결합해 규칙 조건을 만들 때마다 규칙 노드가 만들어지지만, 많은 규칙이 있으면 분류를 결정하는 방식이 복잡해지고 이는 과적합으로 이어지기 쉽다. 즉 트리의 깊이(depth)가 깊어질수록 결정 트리의 예측 성능이 저하될 가능성이 높다. > Source: https://ko.wikipedia.