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 […]
Category: Data Science
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 […]
ML – Iris 실습으로 처음 만드는 머신러닝 모델
IRIS 실습 IRIS: (붓꽃이 여러 종류가 있을텐데) 각각의 붓꽃이 어떤 품종인지 구분해 놓은 측정 데이터ex) 푸밀라붓꽃에 대한 측정 데이터, 술붓꽃에 대한 측정 […]
ML – 머신러닝 개요
Mitchell이 정의한 기계학습 (데이터를 이용한) 경험을 통해서 작업의 수행 능력을 향상 시키는 것= 학습 데이터를 통해서 학습을 시키고 성능을 높여가는 방식 (학습 […]
지식기반 방식과 머신러닝 방식
머신러닝을 소개한 포스팅 글을 미리 보고 오시면 도움이 됩니다! 이번 시간에는 지식 기반 방식과 머신러닝 방식을 알아보고왜 머신러닝이 쓰이는 것인지, 학습은 어떤 […]