머신러닝 트레이딩 기법 정리: 과적합과 교차검증부터 랜덤포레스트·부스팅·HMM까지
퀀트 스터디 발표에서 정리한 머신러닝 트레이딩의 핵심을 옮겼다. 표본 내 성능과 표본 밖 성능의 격차, 시계열 교차검증과 배깅·부스팅 앙상블, SVM과 은닉 마르코프 모델, 그리고 단순한 모델이 자주 이기는 이유까지 짚는다.
핵심 내용 읽기 →
AI TOPIC
앙상블 최신 뉴스와 핵심 해설
앙상블 관련 핵심 뉴스와 활용 인사이트 4편을 최신순으로 모았습니다.
머신러닝 알고리즘 총정리: 선형회귀·로지스틱·KNN·SVM·결정트리·신경망
수식 대신 직관으로 정리한 머신러닝 알고리즘 지도. 선형·로지스틱 회귀, KNN, SVM, 결정 트리와 랜덤 포레스트·부스팅, 신경망, 차원 축소까지 핵심만 짚습니다.
핵심 내용 읽기 →
고립 숲(Isolation Forest) 완전 정리: 트리 기반 이상치 탐지의 원리와 파이썬 활용법
무작위 트리에서 한 점을 고립시키는 데 드는 경로 길이로 이상치를 가려내는 고립 숲 알고리즘의 핵심 원리와, 트리를 여러 개 만들어 평균을 내는 이유, 그리고 사이킷런으로 오염도와 예측값(-1)을 다루는 실전 활용법까지 정리했다.
핵심 내용 읽기 →
XGBoost 작동 원리: 정규화 손실함수·2차 테일러 근사·병렬 분할 탐색 정리
대규모 정형 데이터의 표준이 된 XGBoost가 일반 그래디언트 부스팅과 무엇이 다른지, 복잡도를 제어하는 정규화 손실함수와 2차 테일러 근사, 결측치 처리, 병렬 분할 탐색까지 핵심 원리를 정리했다.
핵심 내용 읽기 →