# leaf

kaifa

트리 (Tree) 란? 트리 Tree는 데이터 구조 중 하나로, 으로 구성된 노드들의 집합을 나타낸다. 트리는 하나의 루트 노드(root node)에서 시작해서 여러 개의 자식 노드(child node)를 가지며, 자식 노드들도 각각 다시 자신의 자식 노드들을 가질 수 있다. 트리는 데이터를 으로 구성하고 관리하는 데 매우 유용한 자료구조이다. 예를 들어, 조직도, 가계도 및 파일 시스템에서 폴더 구조(디렉터리)와 를 나타내는 데 사용되고, 알고리즘에서도 널리 활용되는데 대표적인 예로는 이 있다. 트리 용어 노드(node) : 트리 구조의 자료 값을 담고 있는 단위 루트(root) : 트리의 맨 위에 있는 노드 리프(leaf) : 자식 노드가 없는 노드 인터널(internal) : 리프 노드를 제외한 모든 노드 엣지(edge) : 노드 간의 연결선 (=link, branch) 부모(parent) : 자식 노드를 가지는 노드 자식(c

amin

그라디언트 부스팅은 앙상블에 이전까지의 오차를 보정하도록 예측기를 순차적으로 추가합니다. 그리고 이전 예측기가 만든 residual error에 새로운 예측기를 학습시킵니다. Gradient Boost 모델이 학습하는 원리를 파악한 뒤 정리해 보세요. 또한 여기서 말하는 residual error가 무엇인지 찾아보고, 서술하시길 바랍니다. Gradient Boost는 학습하기 위해 stump나 tree가 아닌 하나의 single leaf부터 시작하며, 예측하는 target 추정 값은 모든 target 값의 평균으로 만들어 줍니다 stump -1. Adaboost모델이 학습할때 사용되며, tree와는 다르게 연속되는게 아닌 각 1개의 feature로 분류를 하며, 그렇기 때문에 weak learner(약한 학습)이라 합니다. -2. 다만, tree처럼 feature간 동일한 가중치를 주지 않고 특정 stump에 가중치를 주며 학습합니다. 이를 Amount of Say가

jsin2475

https://www.acmicpc.net/problem/1068 시간 2초, 메모리 128MB input : N (1 ≤ N ≤ 50) 각 노드의 부모 (0 ~ N - 1) 지울 노드의 번호 output : 리프 노드의 개수를 출력 조건 : 주어진 트리에서 입력으로 주어진 노드를 지웠을 떄, 리프 노드의 개수를 찾기. 리프 노드라 함은 자식 노드를 가지고 있지 않은 경우를 뜻한다. 고로 child 딕셔너리를 만들어서 자식 노드의 유무를 체크 하려 했다. 이 때 자식이 없으면 딕셔너리에 키 자체가 없도록 하였다. Key 노드를 가지게 하고, value로는 자식 노드들의 리스트를 가지게 한다. 예외. 루트 노드를 삭제하는 것을 예외라고 볼 수 있다. 이 경우 start 변수에는 None이 저장되어 있기 때문에 이를 이용해 예외 처리 한다. ![](https://images.velog.io/images/jsin2475/