Random forest는 많은 트리들을 병렬로 구축하고 이를 평균냅니다. Gradient boosting은 트리를 하나씩 순차적으로 구축하며, 각 트리는 이전 트리들의 실수를 보완합니다. 이것이 바로 표 형식 데이터(tabular data)에 대한 대부분의 Kaggle 경진대회에서 승리하는 방식입니다. 여기 잔차(residuals)를 실시간으로 맞추는 과정을 보여줍니다.

🌲 부스팅 과정을 지켜보세요 (트리를 하나씩 추가): https://dev48v.infy.uk/ml/day15-gradient-boosting.html

핵심 루프 (The core loop)

1. 상수 예측값(평균)으로 시작합니다.
2. 잔차 (residuals) — 각 지점에서 얼마나 벗어나 있는지를 계산합니다.
3. 해당 잔차들에 대해 작고 얕은 트리를 학습(fit)시킵니다.
4. 이를 **학습률 (learning rate)**에 따라 스케일링하여 앙상블(ensemble)에 추가합니다.
5. 반복합니다. 각 트리는 남아있는 오차를 조금씩 깎아 나갑니다.

데모를 보면 예측 곡선이 데이터를 향해 휘어지고, 매 라운드마다 MSE(Mean Squared Error)가 떨어지는 동안 잔차 막대(residual bars)가 줄어드는 것을 볼 수 있습니다.

Forest vs boosting

• Random forest: 독립적인 트리들이 병렬로 구축되며 평균을 냅니다. 분산(variance)을 줄입니다.
• Boosting: 의존적인 트리들이 순차적으로 구축되며 합산됩니다. 오류를 수정함으로써 편향(bias)을 줄입니다.

학습률 (Learning rate) = 수축 (shrinkage)

작은 단계(예: 0.1)는 큰 단계보다 일반화(generalize)가 더 잘 되지만, 더 많은 트리가 필요합니다. 트리가 너무 많거나 학습률이 너무 높으면 과적합(overfitting)이 발생하므로 조기 종료(early stopping)를 사용해야 합니다.

"gradient" 부분: 잔차를 맞추는 것은 단순히 제곱 오차(squared error)에 대한 경사 하강법(gradient descent)일 뿐입니다. 손실 함수(loss function)를 바꾸면 일반화가 가능해집니다(이것이 XGBoost / LightGBM / CatBoost입니다).

🔨 페이지에서 밑바닥부터 구현된 과정(평균 → 잔차 → 트리 → lr×트리 추가 → 반복)을 확인하세요: https://dev48v.infy.uk/ml/day15-gradient-boosting.html

MachineLearningFromZero의 일부입니다. 🌐 https://dev48v.infy.uk