15일차 - 비지도 학습, 군집 알고리즘, k-평균, 차원축소, 주성분 분석
(복습) 결정트리 높은 성능, 과대 적합이 되기 굉장히 쉬움 결정 트리를 활용한 앙상블 알고리즘 원본데이터 대신 중복된 샘플 데이터 사용 무작위성 주입 -> 의도적 성능 감소 랜덤 선택 주입 -> 의도적 성능 감소 6-1 비지도 군집 비지도 학습 비지도 학습 : 군집, 차원 축소 과일 사진을 종류별로 모아 보자. 사용자가 처음부터 무슨 과일을 올릴지 모름 (타겟이 없음, 특성 데이터만 존재) 과일을 종류대로 분류해서 모으기 -> 사진을 보고 과일 사진을 자동으로 분류하자 기본 아이디어 : 과일 사진의 픽셀 값을 모두 평균 내면 비슷한 과일끼리 모일까? 과일 사진 데이터 준비하기 일단, 과일 데이터를 다음 3가지로 고정하자 : 사과, 바나나, 파인애플 (기본 가정, 문제 풀이의 제약조건) -> 파이썬 코드..
12일차 - k-최근접 이웃 회귀, 선형회귀, 다항 회귀, 다중 분류, 특성공학, 규제 선형 모델
파이썬 머신러닝 완벽 가이드(권철민) - 딥러닝x , 머신러닝의 추천 시스템(인프런에 강의 O) KNN - C - wqistic R (분류) - R - Linear R (회귀) 회귀는 선을 그어 수치를 예측하는 것 3-1 K-최근접 이웃 회귀 농어의 무게를 예측하라 - 농어의 정보(길이, 높이, 두께)로 농어의 무게 예측 지도 학습 알고리즘 - 분류 : 도미와 빙어를 구분하는 문제 (2진 분류, 3진 분류, N진 분류) - 회귀 : 임의의 어떤 수치(농어의 무게)를 예측하는 것 (타겟 : 임의의 숫자값) 회귀 : 두 변수 x, y사이의 상관관계를 분석하는 방법 x와 y사이를 나타내는 회귀 : 최적의 선식을 구한다. (x가 독립변수 y가 종속변수 (ex) x축이 공부 시간, y축이 성적) ) 일차 함수식이..
