MachineLearning/ML

지도 학습의 또 다른 하위 카테고리인 회귀 분석(regression analysis)을 알아보자 목차 10.1 선형 회귀 10.2 주택 데이터셋 탐색 10.3 최소 제곱 선형 회귀 모델 구현 10.4 RANSAC을 사용하여 안정된 회귀 모델 훈련 10.5 선형 회귀 모델의 성능 평가 10.6 회귀에 규제 적용 10.7 선형 회귀 모델을 다항 회귀로 변환 10.8 랜덤 포레스트를 사용하여 비선형 관계 다루기 10.9 요약 회귀 모델 연속적인 타깃 변수를 예측하는 데 사용되기 떄문에 산업 현장의 애플리케이션은 물론 과학 문제를 해결하기 위한 도구 회귀 모델의 주요 개념과 다음 주제에 대해 알아본다. 데이터 탐색과 시각화하기 선형 회귀 모델을 구현하는 여러 가지 방법 알아보기 이상치에 민감하지 않은 회귀 모델..

다양한 모델을 결합한 앙상블 학습 포스팅은 '머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로' 교재로 공부하고 정리하여 작성하였습니다. 다양한 분류 모델을 평가 & 튜닝하는 기술을 토대로 분류기 집합을 구성하는 여러가지 방법을 살펴보자. 다수결 투표를 기반으로 예측 만들기 중복을 허용하여 랜덤하게 훈련 샘플을 뽑는 배깅(bagging)을 사용해서 과대적합 감소하기 앞선 모델의 오차를 학습하는 약한 학습기(weak learner)로 구성된 부스팅(boosting)으로 강력한 모델 구축하기 7.1 앙상블 학습 앙상블 학습(ensemble learning)의 목표 여러 분류기를 하나의 메타 분류기로 연결하여 개별 분류기보다 더 좋은 일반화 성능을 달성하는 것 앙상블의 작동 원리와 높은 일반화 성능을 내는..

머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로 책을 읽고 정리한 내용입니다. 2장 간단한 분류 알고리즘 훈련 목차 2.1 인공 뉴런: 초기 머신 러닝의 간단한 역사 2.2 파이썬으로 퍼셉트론 학습 알고리즘 구현 2.3 적응형 선형 뉴런과 학습의 수렴 2.4 요약 이 장에서는 분류를 위한 초창기 머신 러닝 알고리즘인 퍼셉트론과 적응형 선형 뉴런 두 개를 사용합니다. 파이썬으로 단계적으로 퍼셉트론을 구현하고 붓꽃 데이터셋에서 훈련하여 꽃 품종을 분류합니다. 분류를 위한 머신 러닝 알고리즘 개념을 이해하고, 파이썬을 사용한 효율적인 구현 방법을 익히는 데 도움이 될 것입니다. 적응형 선형 뉴런으로는 기본적인 최적화를 설명합니다. 3장에서 사이킷런 머신 러닝 라이브러리에 있는 강력한 분류 모델을 사용하는..

머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로 책을 읽고 정리한 내용입니다. 1장 컴퓨터는 데이터에서 배운다 목차 1.1 데이터를 지식으로 바꾸는 지능적인 시스템 구축 1.2 머신 러닝의 세 가지 종류 1.3 기본 용어와 표기법 소개 1.4 머신 러닝 시스템 구축 로드맵 1.5 머신 러닝을 위한 파이썬 1.6 요약 머신 러닝(machine learning)은 데이터를 이해하는 알고리즘의 과학이자 애플리케이션입니다. 스스로 학습할 수 있는 머신 러닝 알고리즘을 사용하면 데이터를 지식으로 바꿀 수 있습니다. 말이 좀 어려운 것 같습니다. 쉽게 말해 영어 단어를 그대로 직역하면 ‘기계학습’입니다. 인간이 하나부터 열까지 직접 가르치는 기계를 의미하는 것이 아니라, 학습할 거리를 일단 던져놓으면 이걸 가..