핀아의 저장소 ( •̀ ω •́ )✧

💡 학습목표 결정 트리 알고리즘을 사용하여 와인을 분류해 봄 1️⃣ 결정 트리 💡 결정 트리는 예/아니오에 대한 질문을 이어나가면서 정답을 찾아 학습하는 알고리즘임. 비교적 예측 과정을 이해하기 쉽고 성능도 뛰어남 어떤 질문을 통해 데이터 훈련세트를 양쪽으로 나눔 사이킷런의 DecisionTreeClassifier 클래스를 사용하여 학습함 학습한 결과는 tree 형태의 그림으로 출력 가능함 import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.tree import DecisionTreeClassifier wine = p..

💡 학습목표 1. K-최근접 이웃 알고리즘을 사용해서 다중 분류 수행과 로지스틱 회귀 알고리즘을 사용해서 이진/다중 분류 수행 2. 시그모이드 함수와 소프트맥스 함수의 차이에 대해 학습함 목차 K-최근접 이웃을 사용한 다중 분류 데이터 준비 K-최근접 이웃 분류기의 확률 예측 로지스틱 회귀 로지스틱 회귀 (이진 분류) 로지스틱 회귀 (다중 분류) 점진적인 학습 확률적 경사 하강법 1️⃣ K-최근접 이웃을 사용한 다중 분류 💡 다중 분류란 타깃 데이터에 2개 이상의 클래스가 포함된 문제임 K-최근접 이웃 알고리즘을 사용해서 이웃 클래스의 비율을 확률로 표현해봄 ✅ 데이터 준비 import pandas as pd fish = pd.read_csv('https://bit.ly/fish_csv_data') fi..

💡 학습 목표 1. 지도 학습 알고리즘 중 하나인 회귀에 대해 학습 2. K-최근접 이웃 회귀와 선형 회귀 그리고 다항 회귀에 대해 학습 3. 다중 회귀에 대해 알아보고 특성 공학에 대해 학습 목차 K-최근접 이웃 회귀 농아 데이터 준비 데이터 분리 K-최근접 이웃 회귀 알고리즘 학습 및 정확도 측정 과대적합 vs 과소적합 선형 회귀 K-최근접 이웃의 한계 선형회귀 알고리즘 다항 회귀 다중 회귀 특성공학 데이터 준비 특성 만들기 다중 회귀 모델 훈련 및 모델 점수 측정 규제 릿지(ridge) 라쏘(lasso) 3️⃣ 다중 회귀 💡 여러 개의 특성을 사용하여 모델을 훈련시킨 선형 회귀를 다종 회귀라 함 ✅ 특성공학 💡 주어진 특성(무게, 길이 등)을 조합하여 새로운 특성을 만드는 일련의 과정 주어진 농어의..

💡 학습 목표 1. 지도 학습 알고리즘 중 하나인 회귀에 대해 학습 2. K-최근접 이웃 회귀와 선형 회귀 그리고 다항 회귀에 대해 학습 3. 다중 회귀에 대해 알아보고 특성 공학에 대해 학습 목차 K-최근접 이웃 회귀 농아 데이터 준비 데이터 분리 K-최근접 이웃 회귀 알고리즘 학습 및 정확도 측정 과대적합 vs 과소적합 선형 회귀 K-최근접 이웃의 한계 선형회귀 알고리즘 다항 회귀 다중 회귀 특성공학 데이터 준비 특성 만들기 다중 회귀 모델 훈련 및 모델 점수 측정 규제 릿지(ridge) 라쏘(lasso) 1️⃣ K-최근접 이웃 회귀 💡 회귀 알고리즘에 대해 알아보고 회귀 알고리즘의 한 종류인 K-최근접 이웃 회귀에 대해 정리하고 농어의 길이만 가지고 무게를 예측해보기 ✨ 회귀란? 지도 학습 알고리즘..

💡 학습 목표 1. 지도 학습과 비지도 학습의 차이점 비교 2. 훈련 세트와 테스트 세트의 정의 3, 샘플링 편항 및 해결 방안 4. 데이터 전처리의 필요성 목차 지도 학습 vs 비지도 학습 훈련 세트와 테스트 세트 샘플링 편향 샘플링 편향 문제 해결하기 데이터 전처리 1️⃣ 지도 학습 vs 비지도 학습 머신러닝 알고리즘은 크게 지도 학습과 비지도 학습으로 나눌 수 있음 ✅ 지도 학습 (supervised learning) 지도 학습 알고리즘은 훈련 데이터(training data)가 필수로 필요함. 일반적으로 지도 학습에서 데이터는 입력(input), 정답은 타깃(target)이라 표현하며 이 둘을 합쳐 훈련 데이터(training data)라 부름 지도 학습은 정답이 있으니 알고리즘이 정답을 맞히는 ..

💡 학습 목표 1. 인공지능, 머신러닝, 딥러닝의 차이점 이해하기 2. 구글 코랩, 주피터 노트북 사용법 배우기 3. 머신러닝 알고리즘(K-최근접 이웃 알고리즘) 구현하기 목차 인공지능 vs 머신러닝 vs 딥러닝 차이점 구글 코랩 머신러닝 알고리즘 K-최근접 이웃 알고리즘을 사용하여 생선 데이터 이진 분류 모델 학습 1️⃣ 인공지능 vs 머신러닝 vs 딥러닝 차이점 ✅ 인공지능 인공지능이란 사람처럼 학습하고 추론할 수 있는 지능을 가진 시스템을 만드는 기술 인공지능의 종류로는 강인공지능과 약인공지능으로 나눌수 있음 강인공지능이란 인공일반지능이라고 불리며 사람과 구분하기 어려운 지능을 가진 컴퓨터를 의미함 약인공지능이란 음성 비서, 자율 주행, 음악 추천, 기계 번역 등 특정 분야에서 사람의 일을 도와주는..