통계학 – 심화 용어 모음
이산확률분포: 이산 확률 변수에 관한 분포 이산균등분포: 주사위 사건과 같이 균등한 결과를 내는 사건의 확률질량함수가 갖는 분포f(x)=1/n, x=1,2,…,n | 평균: n+1/2, 분산: […]
Category: Data Science
ML – ANN 이론
딥러닝의 기초가 되는 Artificial Neural Network(인공 신경망)을 소개하겠습니다. ANN모델은 뇌의 정보 처리 방법을 모방한 학습 모델입니다. ANN의 특성은 다음과 같습니다. 학습 가능 […]
ML – SVM 이론
분류 알고리즘으로 성능이 우수한 Support Vector Machine을 소개하겠습니다. SVM 모델은 Decision Boundary(결정 경계)의 여백이 클수록 일반화 능력이 더 좋습니다. 여기서 여백이란 경계와 […]
ML – 클러스터링 이론
클러스터링(군집화)는 클래스 정보(타깃 정보)없이 데이터를 나누는 작업을 의미합니다. 비지도학습으로 정답이 없기 때문에, 주관적인 판단에 따라 결과가 달라지는 특징이 있습니다! 데이터를 나눌 때는 […]
ML – 비지도 학습과 데이터 전처리
비지도 학습에 대해 알아 보겠습니다. 비지도 학습은 출력 값(타깃 값)에 대한 정보 없이 학습을 진행하는 것을 말합니다.정답이 주어지지 않을 때 학습을 하는 […]
ML – 결정 트리 및 앙상블
Decision Tree (의사결정나무)전체 자료를 몇 개의 소집단으로 분류(classification)하거나 예측(prediction)하는 분석 방법 위의 그림과 같은 형태를 결정 트리(DT)라고 합니다. 결정 트리를 만드는 방법을 […]
ML – 나이브 베이즈 분류
지도 학습 분류 방법 중 나이브 베이즈(NB)를 소개하겠습니다. ‘나이브 베이즈’는 통계학의 ‘베이즈 정리’를 이용한 분류 기법입니다. 아래는 베이즈 정리에 해당하는 식입니다. 교집합: […]
통계학 – 기본 용어 모음
자료와 중심위치 통계학 기술 통계학: 도표나 그림을 통하여 자료를 요약하여 대표값이나 변동의 크기 등을 구하는 방법추측 통계학: 모집단에서 뽑은 표본을 분석하여 이의 […]
ML – 선형 모델 구현 및 규제
선형 모델(Linear Model)을 파이썬으로 직접 구현해보겠습니다. 위는 간단한 단순 선형 모델입니다. 실제 데이터(o)들과 선형 모델이 예측한 값의 차이가 적도록 모델을 만들어야 됩니다!차이(굵은 […]
ML – 머신러닝 기본 개념과 KNN
머신러닝으로 해결할 수 있는 대표적인 문제는 두 가지입니다. 바로 분류와 회귀입니다. 분류는 가능성있는 클래스 레이블 중 하나로 예측하는 것으로 Output이 나올 수 […]