머신러닝 기법과 R 프로그래밍 2: ⅩⅥ. 딥러닝과 텍스트 마이닝
POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅱ 과정입니다. ⅩⅥ. 딥러닝과 텍스트 마이닝1. Neural NetworksConcepts 인공신경망은 기계학습(Machine Learning)의 통계적 학습 알고리즘 중 하나 컴퓨터 비전, 자연어 처리, 음석 인식 등 영역에서 사용 AI ⊂ Machine Learning ⊂ Ne
Archive: 2020
머신러닝 기법과 R 프로그래밍 2: ⅩⅤ. 주성분 분석과 부분 최소자승법
POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅱ 과정입니다. ⅩⅤ. 주성분 분석과 부분 최소자승법1. 주성분분석주성분분석(PCA) 주성분분석(Principle Component Analysis) 다변량 분석기법 ‘주성분’이라고 불리는 선형조합으로 표현하는 기법 주성분은 공분산(X^T^X)로부터 eigenvector와 eige
머신러닝 기법과 R 프로그래밍 2: ⅩⅣ. 연관규칙과 로지스틱회귀분석
POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅱ 과정입니다. ⅩⅣ. 연관규칙과 로지스틱회귀분석1. 연관규칙 분석 Ⅰ연관규칙 연관규칙(Association Rule) 대용량 데이터베이스의 트랜잭션에서 빈번하게 발생하는 패턴을 발견 거래 간의 상호 관련성을 분석 연관규칙 예시 신발을 구매하는 고객의 10%는 양말을 동시에
머신러닝 기법과 R 프로그래밍 2: ⅩⅢ. 군집분석
POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅱ 과정입니다. ⅩⅢ. 군집분석1. 군집분석과 유사성 척도군집분석 군집분석은 비지도학습(Unsupervised Learning) 주어진 데이터(X 변수들)의 속성으로 군집화 계층형 군집 분석 k-means 유사한 속성을 가진 객체를 군집(cluster)으로 묶는 데이터 마이
머신러닝 기법과 R 프로그래밍 1: Ⅹ. k-인접기법과 판별분석
POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅰ 과정입니다. Ⅹ. k-인접기법과 판별분석1. k-인접기법 k-nearest neighbor 분류(Classification) 분류(Classification): 지도학습(Supervised Learning) 타겟범주를 알고 있는 데이터로 분류 규칙을 생성하고 새로운 데이터를
머신러닝 기법과 R 프로그래밍 1: XⅡ. 의사결정나무와 랜덤 포레스트
setup, include1knitr::opts_chunk$set(echo = TRUE) POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅰ 과정입니다. XⅡ. 의사결정나무와 랜덤 포레스트1. 의사결정나무 Ⅰ의사결정나무 Decision Tree 기계학습 중 하나로, 의사결정 규칙을 나무 형태로 분류해가는 분석 기법 분석
머신러닝 기법과 R 프로그래밍 1: Ⅸ. 데이터 마이닝 기초
POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅰ 과정입니다. Ⅸ. 데이터 마이닝 기초1. 다중 회귀 분석 Ⅰ데이터 마이닝 기법 데이터 마이닝 예측(prediction) 야구선수의 연봉(차기 년도) 주식 변동(t+1 시점) 일기예보(비 올 확률) 수질오염(오염 수치)→ 회귀분석, 선형모형, 비선형모형 분류(classifi
머신러닝 기법과 R 프로그래밍 1: XI. 서포트벡터머신
POSTECH에서 제공하는 MOOC 중, 머신러닝기법과 R프로그래밍 Ⅰ 과정입니다. XI. 서포트벡터머신1. 서포트벡터머신 ⅠSupport Vector Machine 머신러닝 지도학습 분류모델 kNN모델 SVM(서포트벡터머신) 비지도학습 군집모델 서포트벡터머신 장단점 장점 단점 상대적으로 정확도가 높음 해석상 어려움