ch06. 차원 축소
해당 자료는 파이썬 머신러닝 완벽가이드 공부를 위한 필사본입니다. Chapter 06. 차원 축소01. 차원 축소(Dimension Reduction) 개요 차원 축소는 매우 많은 피처로 구성된 다차원 데이터 세트의 차원을 축소해 새로운 차원의 데이터 세트를 생성하는 것이다. 피처가 많을 경우 개별 피처간에 상관관계가 높을 가능성이 크다. 선형모델
Category: ML
ch05. 회귀
해당 자료는 파이썬 머신러닝 완벽가이드 공부를 위한 필사본입니다. Chapter 05. 회귀01. 회귀 소개 회귀는 현대 통계학을 이루는 큰 축 회귀 분석은 유전적 특성을 연구하던 영국의 통계학자 갈톤이 수행한 연구에서 유래했다는 것이 일반론 < 회귀에 대한 예시> “부모의 키가 크더라도 자식의 키가 대를 이어 무한정 커지지 않으며, 부모
ch04. 분류
해당 자료는 파이썬 머신러닝 완벽가이드 공부를 위한 필사본입니다. Chapter 04. 분류00. 정리결정 트리 대부분의 앙상블 기법은 결정 트리 기반의 다수의 약한 학습기를 결합해 변동성을 줄여 예측 오류를 줄이고 성능을 개선하고 있습니다. 결정 트리 알고리즘은 정보의 균일도에 기반한 규칙 트리를 만들어서 예측을 수행합니다. 결정 트리는 어떻게 예측
ch03. 평가
해당 자료는 파이썬 머신러닝 완벽가이드 공부를 위한 필사본입니다. Chapter 03. 평가 머신러닝 구성: 데이터 가공/변환, 모델 학습/예측, 평가(Evaluation) 프로세스로 구성 성능 평가 지표(Evaluation Metric): 모델이 분류인지 회귀인지에 따라 여러 종류로 나뉨 회귀: 대부분 실제값과 예측값의 오차 평균값에 기반
ch02. 사이킷런으로 시작하는 머신러닝
해당 자료는 파이썬 머신러닝 완벽가이드 공부를 위한 필사본입니다. Chapter 02. 사이킷런으로 시작하는 머신러닝01. 사이킷런 소개와 특징 사이킷런(scikit-learn) 파이썬 머신러닝 라이브러리 중 가장 많이 사용되는 라이브러리 파이썬 기반의 머신러닝을 위한 가장 쉽고 효율적인 개발 라이브러리를 제공 사이킷런 특징 쉽고 가장 파이썬스러