티스토리

Warm Developer

검색하기

블로그 홈

Warm Developer

upgrade-j.tistory.com/m

유달잇 님의 블로그입니다.

구독자: 4

방명록 방문하기

주요 글 목록

[python/머신러닝] 핸즈온 머신러닝 Chapter 1 Chapter1. 한눈에 보는 머신러닝 1. 분류 정리 2. 실습하기 https://github.com/mafls122/TIL/blob/main/Machine%20Learning/20210513_ML.ipynb mafls122/TIL Today I Learned. Contribute to mafls122/TIL development by creating an account on GitHub. github.com 3. 머신러닝 주요 도전 과제 1. 충분하지 않은 양의 훈련 데이터 -> 대부분의 머신러닝 알고리즘이 잘 작동하려면 데이터가 많아야 한다. 2. 대표성 없는 훈련 데이터 -> 일반화가 잘되려면 원하는 새로운 사례를 훈련 데이터가 잘 대표하는 것이 중요하다. 3. 낮은 품질의 데이터 -> 에러, 이.. 공감수 0 댓글수 2 2021. 5. 14.
[python/머신러닝] scikit-learn의 분류 성능평가 (sklearn.metrics) sklearn.metrics 메소드를 살펴보자 1. confusion matrix 형태의 데이터를 관리한다. : 클래스 분류 결과를 실제(정답) 클래스와 예측 클래스를 축으로 가진 형태 sklearn.metrics.confusion_matrix(y_true, y_pred, *, labels=None, sample_weight=None, normalize=None) 실제 클래스 예측 클래스 TP ( True Positive ) T T TN ( True Negative ) F F FP ( False Positive ) F T FN ( False Negative ) T F -- case 1 ( 예측 : 행 / 실제 : 열 ) 0 : Negative / 1 : Positive 0 1 0 TN FP 1 FN TP.. 공감수 0 댓글수 0 2021. 2. 8.
[python/머신러닝] scikit-learn 사용하여 머신러닝 구현 scikit-learn 모듈을 사용하여 머신러닝을 구현해보자 머신러닝 구현 단계 1단계 : 데이터 수집 및 전처리 2단계 : 데이터 분할 - sklearn.model_selection.train_test_split : 목적 데이터를 분할 3단계 : 모델 지정 - ex) sklearn.ensemble.RandomForestClassifier -> sklearn.ensemble.* 등 모델 사용 4단계 : 모델 학습 - model.fit( X, y ) 5단계 : 테스트 및 평가 : model.predict( ) , sklearn.metrics. * 정답률 : accuracy_score( ) 적합율 : precision_score( ) 재현율 : recall_score( ) 평가지표 산출률 : Classifi.. 공감수 0 댓글수 0 2021. 2. 6.
[python/머신러닝] 머신러닝이란? 머신러닝이란? 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야 y = f(x) y : 출력변수, 종속변수, 반응 변수 f : 모형(알고리즘) x : 입력변수,독립변수, feature -> 무엇(X)으로 무엇(Y)을 예측하고 싶을 때 머신러닝 사용 1. 지도학습 : X를 가지고 Y를 예측하는 것 - 회귀 (regression) : 입력 변수 X에 대해서 연속형 출력 변수 Y를 예측 ex) 주가 예측 - 분류 (classification) : 입력 변수 X에 대해서 이산형 출력 변수 Y(class)를 예측 ex) 공정 불량 여부 탐지 - 서포트 벡터, 결정 트리, 신경망 등 2. 비지도 학습 : 출력 변수(Y)가 존재하지 않고 입력 변수(X)로만 모델링하는 것 - 군집분석(k-Means) :.. 공감수 0 댓글수 0 2021. 1. 31.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.